Tas_muhammad Rafii Naufal_1451824403_new-rev.docx

PENGEMBANGAN APLIKASI PENDETEKSI OBJEK LINGKARAN MENGGUNAKAN METODE HOUGHCIRCLE SEBAGAI MEDIA PEMBELAJARAN PENGINDERAAN VISUAL ROBOT

TUGAS AKHIR SKRIPSI

Diajukan Kepada Fakultas Teknik Universitas Negeri Yogyakarta Untuk Memenuhi Sebagian Persyaratan Guna Memperoleh Gelar Sarjana

Oleh : Muhammad Rafii Naufal NIM 14518244003

PROGRAM STUDI PENDIDIKAN TEKNIK MEKATRONIKA FAKUTAS TEKNIK UNIVERSITAS NEGERI YOGYAKARTA 2018

PENGEMBANGAN APLIKASI PENDETEKSI OBJEK LINGKARAN MENGGUNAKAN METODE HOUGHCIRCLE SEBAGAI MEDIA PEMBELAJARAN PENGINDERAAN VISUAL ROBOT

TUGAS AKHIR SKRIPSI

Diajukan Kepada Fakultas Teknik Universitas Negeri Yogyakarta Untuk Memenuhi Sebagian Persyaratan Guna Memperoleh Gelar Sarjana

Oleh : Muhammad Rafii Naufal NIM 14518244003

PROGRAM STUDI PENDIDIKAN TEKNIK MEKATRONIKA FAKUTAS TEKNIK UNIVERSITAS NEGERI YOGYAKARTA 2018 ii

Pengembangan Aplikasi Pendeteksi Objek Lingkaran Menggunakan Metode HoughCircle Sebagai Media Pembelajaran Penginderaan Visual Robot Oleh: Muhammad Rafii Naufal 14518244003 ABSTRAK Penelitian ini bertujuan untuk mengetahui: (1) unjuk kerja media pembelajaran aplikasi pendeteksi objek lingkaran menggunakan metode HoughCircle sebagai media pembelajaran penginderaan visual robot, (2) tingkat kelayakan media pembelajaran aplikasi pendeteksi objek lingkaran untuk mahasiswa ditinjau oleh para ahli media, materi, dan hasil pada uji pengguna. Penelitian ini merupakan jenis penelitian dan pengembangan (Research and Development) dengan menggunakan model ADDIE (Analyze, Design, Develop, Implement, Evaluate) yang dikemukakan Robert Maribe Branch. Subjek penelitian ini adalah mahasiswa Program Studi Pendidikan Teknik Mekatronika, Fakultas Teknik, Universitas Negeri Yogyakarta. Pengumpulan data menggunakan instrumen kuesioner yang berupa angket dengan skala Likert 4 pilihan. Teknik analisis data menggunakan teknik analisis deskriptif. Berdasar hasil dari penelitian ini diperoleh: (1) unjuk kerja aplikasi pendeteksi objek lingkaran menggunakan metode HoughCircle sebagai media pembelajaran penginderaan visual robot yakni aplikasi hanya dapat mendeteksi objek berbentuk lingkaran dari diameter 5,5 cm hingga 12 cm. Objek lingkaran berdiameter 5,5 cm, 6,8 cm, dan 7 cm dapat dideteksi oleh aplikasi dengan jangkauan jarak antara 10 cm hingga 70 cm dari webcam ke objek. Sedangkan untuk objek lingkaran berdiameter 10 cm dengan jangkauan jarak antara 15 cm hingga 70 cm. Objek lingkaran berdiameter 12 cm dengan jangkauan jarak antara 20 cm hingga 70 cm. Secara keseluruhan, rata-rata persentase kesalahan deteksi jarak oleh aplikasi mencapai angka sebesar 20%, (2) tingkat kelayakan aplikasi pendeteksi objek lingkaran menggunakan metode HoughCircle sebagai media pembelajaran penginderaan visual robot termasuk dalam kategori sangat layak ditinjau dari para ahli media dengan skor rerata adalah 67,5 dari nilai maksimal 80 dan nilai minimal 20 dengan persentase 84%, sedangkan ditinjau dari para ahli materi termasuk dalam kategori sangat layak dengan skor rerata yang didapat adalah 85,5 dari nilai maksimal 96 dan nilai minimal 24 dengan persentase 89%. Ditinjau dari hasil uji terhadap pengguna dapat diperoleh skor rerata total adalah 57,9 dari nilai maksimal 80 dan nilai minimal 20, termasuk dalam kategori layak dengan persentase 72%. Kata kunci: media pembelajaran, aplikasi, pendeteksi objek lingkaran, houghcircle, visual robot.

iii

Development of Detecting Circle Object Software use HoughCircle Method as Learning Media for Visual Robot Imaging Course By: Muhammad Rafii Naufal 14518244003 ABSTRACT Purposes of this study are to knows: (1) performance of detecting circle object software use HoughCircle method as learning media for visual robot imaging course, (2) feasibility level of detecting circle object software use HoughCircle method as learning media for visual robot imaging course reviewed by media and material experts and user test results. This study is a Research and Development model with ADDIE (Analyze, Design, Develop, Implement, Evaluate) method according to Robert Maribe Branch. Subjects of this study are students of Mechatronics Engineering Education, Faculty of Engineering, Yogyakarta State University. Data collection using questionnaires with Likert scale 4 choices. Data analysis using descriptive analysis. Results of this study are: (1) performance of detecting circle object software use HoughCircle method as learning media for visual robot imaging course is the software can only detect any circle objects from diameter of 5.5 centimetres to 12 centimetres. The 5.5 cm, 6.8 cm, and 7 cm diameter circle objects can be detected by software between 10 cm to 70 cm from webcam to the objects. The 10 cm diameter circle objects can be detected by software between 15 cm to 70 cm from webcam to the objects. The 12 cm diameter circle objects can be detected by software between 20 cm to 70 cm from webcam to the objects. Overall, the mean percentages of distance detection errors by the software reaches a rate of 20%, (2) feasibility level of detecting circle object software use HoughCircle method as learning media for visual robot imaging course by media expert include in the very feasible category with the average scores of 67,5 from maximum value of 80 and the minimum value of 20 with 84% of percentages, while by material expert include in the very feasible category with the average scores of 85,5 from maximum value of 96 and minimum value of 24 with the 89% of percentages. From the user test results can be obtained with the average scores of 57,9 from the maximum value of 80 and minimum value of 20, which means include in the feasible category with the 72% of percentages. Keyword: learning media, software, detect circle object, houghcircle, visual robot.

iv

SURAT PERNYATAAN

Saya yang bertanda tangan di bawah ini: Nama

: Muhammad Rafii Naufal

NIM

: 14518244003

Program Studi : Pendidikan Teknik Mekatronika Judul TAS

: Pengembangan Aplikasi Pendeteksi Objek Lingkaran Menggunakan Metode HoughCircle Sebagai Media Pembelajaran Penginderaan Visual Robot

Menyatakan bahwa tugas akhir skripsi ini benar-benar karya saya sendiri di bawah tema penelitian payung dosen atas nama Herlambang Sigit Pramono, S.T., M.Cs., Jurusan Pendidikan Teknik Elektro, Fakultas Teknik, Universitas Negeri Yogyakarta tahun 2018. Sepanjang pengetahuan saya, tidak terdapat atau pendapat yang ditulis atau diterbitkan orang lain sebagai acuan kutipan dengan mengikuti tata penulisan karya ilmiah yang telah lazim.

Yogyakarta,

Juli 2018

Yang Menyatakan,

Muhammad Rafii Naufal NIM. 14518244003

v

LEMBAR PERSETUJUAN

Tugas Akhir Skripsi dengan Judul PENGEMBANGAN APLIKASI PENDETEKSI OBJEK LINGKARAN MENGGUNAKAN METODE HOUGHCIRCLE SEBAGAI MEDIA PEMBELAJARAN PENGINDERAAN VISUAL ROBOT

Disusun Oleh: Muhammad Rafii Naufal NIM. 14518244003

telah memenuhi syarat dan disetujui oleh Dosen Pembimbing untuk dilaksanakan Ujian Akhir Tugas Akhir Skripsi bagi yang bersangkutan

Yogyakarta,

Juni 2018

Mengetahui,

Disetujui,

Ketua Program Studi

Dosen Pembimbing

Pendidikan Teknik Mekatronika

Herlambang Sigit P., S.T., M.Cs.

Herlambang Sigit P., S.T., M.Cs.

NIP. 19650829 199903 1 001

NIP. 19650829 199903 1 001

vi

LEMBAR PENGESAHAN Tugas Akhir Skripsi PENGEMBANGAN APLIKASI PENDETEKSI OBJEK LINGKARAN MENGGUNAKAN METODE HOUGHCIRCLE SEBAGAI MEDIA PEMBELAJARAN PENGINDERAAN VISUAL ROBOT Disusun Oleh: Muhammad Rafii Naufal NIM. 14518244003 Telah dipertahankan di depan Tim Penguji Tugas Akhir Skripsi Program Studi Pendidikan Teknik Mekatronika Fakultas Teknik Universitas Negeri Yogyakarta Pada Tanggal …. Juni 2018 TIM PENGUJI Nama / Jabatan

Tanda Tangan

Tanggal

Herlambang Sigit Pramono, S.T.,M.Cs. Ketua Penguji / Pembimbing

........................

............................

Ketut Ima Ismara, M.Pd., M.Kes. Sekretaris Penguji

........................

............................

Mohammad Khairudin, M.T., Ph.D. Penguji Utama

........................

............................

Yogyakarta, …. Juli 2018 Fakultas Teknik Universitas Negeri Yogyakarta Dekan,

Dr. Widarto, M.Pd. NIP. 19631230 198812 1 001

vii

MOTTO

“Berfikirlah menjadi orang yang bermanfaat, kemudian pertanyakan bermanfaat dalam hal apa dirimu kelak?” (Romo KH. Munawwar Ahmad – PP Al-Munawwir Komplek L Krapyak Yogyakarta)

viii

LEMBAR PERSEMBAHAN

Dengan rasa bangga dan bahagia saya haturkan rasa syukur dan terima kasih saya kepada:  Allah SWT karena atas limpahan nikmat dan karunia-Nya telah meridhoi karya ini dapat terselesaikan tepat pada waktunya.  Orang Tuaku tercinta Muchamad Mashudi dan Sri Nurwulan atas limpahan do’a, semangat, kasih sayang, serta dukungan berupa moril dan materiil yang telah diberikan dan menjadi alasan mengapa saya harus terus berjuang hingga detik ini.  Saudaraku tercinta Hasya Aghnata dan Muhammad Luthfi yang juga telah memberikan semangat dan do’a.  Romo KH. Munawwar Ahmad selaku pengasuh Pondok Pesantren AlMunawwir Komplek L, seluruh Ahlen Pondok Pesantren Al-Munawwir, dan juga seluruh Asatidz Pondok Pesantren Al-Munawwir Komplek L yang telah memberikan ilmu dan pengalaman yang tak bisa didapatkan di tempat lain.  Seluruh Dosen Jurusan Pendidikan Teknik Elektro UNY yang telah memberikan ilmu dan pencerahan serta bimbingan selama ini.  Seluruh teman Pendidikan Teknik Mekatronika dan Jurusan Pendidikan Teknik Elektro 2014, khususnya Mekatronika F 2014 yang selalu memberikan ilmu, bantuan, canda tawa, dan solidaritas selama mengarungi masa kuliah.  Seluruh teman Tim Robot UNY, khususnya ”Mobo-Evo” yang telah memberi ilmu dan pengalaman luar biasa ketika berjuang bersama.  Seluruh teman Pondok Pesantren Al-Munawwir Komplek L, khususnya kamar ”Ndalem Bu Zuhri” yang menjadi teman tidur, cerita dan mencari ilmu penulis.  Claudia Kiswiyandini yang selalu menemani saya, memberi do’a, semangat, dan dukungan dalam proses pengerjaan Tugas Akhir Skripsi ini hingga selesai.

ix

KATA PENGANTAR Puji syukur ke hadirat Allah SWT yang telah memberikan rahmat dan hidayahNya sehingga penulis dapat menyelesaikan Tugas Akhir Skripsi dalam rangka memenuhi sebagian syarat untuk diberikan gelar sarjana dengan judul ” Pengembangan Aplikasi Pendeteksi Objek Lingkaran Menggunakan Metode HoughCircle Sebagai Media Pembelajaran Penginderaan Visual Robot” dengan baik. Keberhasilan dan kesuksesan penyelesaian Tugas Akhir Skripsi ini tidak lepas dari dukungan, bantuan, dan bimbingan dari berbagai pihak. Oleh karena itu, penulis mengucapkan banyak terima kasih kepada yang terhormat:

1.

Bapak Herlambang Sigit Pramono, S.T., M.Cs. selaku Ketua Program Studi Pendidikan Teknik Mekatronika sekaligus sebagai Dosen Pembimbing dan Ketua Penguji pengulis, yang telah memberikan ilmu, arahan, bimbingan, dan evaluasi selama proses penyususnan Tugas Akhir Skripsi ini.

2.

Bapak Dr. Widarto, M.Pd. selaku Dekan Fakultas Teknik Universitas Negeri Yogyakarta yang telah memberi persetujuan pelaksanaan Tugas Akhir Skripsi.

3.

Bapak Moh. Khairudin, M.T., Ph.D. selaku Wakil Dekan 1 Fakultas Teknik Universitas Negeri Yogyakarta sekaligus validator materi dan Penguji Utama penulis, yang telah memberikan masukan, saran, serta bimbingan revisi hingga penelitian TAS ini dapat terlaksana sesuai tujuan.

4.

Bapak Ketut Ima Ismara, M.Pd., M.Kes. selaku Sekretaris Penguji pada sidang ujian akhir Tugas Akhir Skripsi penulis, yang telah memberi banyak saran di waktu ujian dan juga seluruh ilmu yang telah diberikan di masa perkuliahan.

5.

Bapak Totok Heru Tri Maryadi, M.Pd. selaku Ketua Jurusan Pendidikan Teknik Elektro beserta para dosen dan staf yang telah memberikan ilmu, bantuan, dan

x

fasilitas selama proses perkuliahan dan dari masa penyusunan pra proposal hingga selesainya Tugas Akhir Skripsi. 6.

Ibu Dr. Zamtinah, M.Pd. dan Ibu Dr.phil. Nurhening Yuniarti, M.T. selaku validator instrumen penelitian TAS, dan semua validator media dan materi TAS yang telah memberi saran dan masukan perbaikan dalam penelitian TAS ini.

7.

Adik-adik mahasiswa Program Studi Pendidikan Teknik Mekatronika angkatan 2015 yang telah memberi bantuan dalam memperlancar pengambilan data selama proses penelitian Tugas Akhir Skripsi ini.

8.

Teman seperjuangan Program Studi Pendidikan Teknik Mekatronika dan Jurusan Pendidikan Teknik Elektro angkatan 2014, terkhusus kelas F Mekatronika 2014 yang selalu memberi bantuan dan semangat kepada penulis dalam menyelesaikan Tugas Akhir Skripsi ini.

9.

Ihsan Syarifudin, selaku teman seperjuangan-seperbimbingan penulis, yang telah membantu penulis memberikan banyak ilmu-nya, sehingga penulis bisa membuat sendiri aplikasi media pembelajaran untuk Tugas Akhir Skripsi ini.

10.

Semua pihak yang secara langsung maupun tidak langsung tak dapat disebutkan di sini atas bantuan dan perhatiannya selama penyusunan Tugas Akhir Skripsi.

Pada akhirnya, semoga segala bantuan yang telah diberikan oleh semua pihak di atas akan menjadi amalan yang bermanfaat dan mendapat balasan dari Allah SWT, dan Tugas Akhir Skripsi ini menjadi informasi bermanfaat bagi pembaca atau pihak lain yang membutuhkannya. Yogyakarta,

Juli 2018

Penulis,

Muhammad Rafii Naufal NIM. 14518244003

xi

DAFTAR ISI Halaman HALAMAN SAMPUL ...........................................................................

ii

ABSTRAK ...............................................................................................

iii

ABSTRACT ...............................................................................................

iv

SURAT PERNYATAAN .........................................................................

v

LEMBAR PERSETUJUAN .....................................................................

vi

LEMBAR PENGESAHAN .....................................................................

vii

MOTTO ...................................................................................................

viii

LEMBAR PERSEMBAHAN ..................................................................

ix

KATA PENGANTAR .............................................................................

x

DAFTAR ISI ...........................................................................................

xii

DAFTAR TABEL ...................................................................................

xv

DAFTAR GAMBAR ..............................................................................

xvii

DAFTAR LAMPIRAN ...........................................................................

xix

BAB

I PENDAHULUAN ..................................................................

1

A. Latar Belakang ..................................................................

1

B. Identifikasi Masalah ..........................................................

4

C. Batasan Masalah .................................................................

5

D. Rumusan Masalah .............................................................

5

E. Tujuan Penelitian .............................................................

6

F. Spesifikasi Produk .............................................................

6

G. Manfaat Penelitian .............................................................

7

BAB II KAJIAN PUSTAKA ..............................................................

8

A. Kajian Teoretis ..................................................................

8

1. Penelitian dan Pengembangan .......................................

8

2. Media Pembelajaran ........................................................

12

xii

3. Software Aplikasi ............................................................

20

4. Pendeteksi Objek ............................................................

21

5. Pengolahan Citra Digital .................................................

22

6. Transformasi Hough .......................................................

28

7. Microsoft Visual Studio 2012 .........................................

33

8. EmguCV ..........................................................................

34

9. Mata Kuliah Penginderaan Visual Robot ......................

36

B. Penelitian yang Relevan .....................................................

37

C. Kerangka Berfikir ...............................................................

41

D. Pertanyaan Penelitian ..........................................................

43

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

44

A. Model Penelitian ................................................................

44

B. Prosedur Pengembangan ....................................................

44

1. Analisis (Analyze) ...........................................................

44

2. Perancangan Media (Design) ..........................................

45

3. Pembuatan dan Pengembangan Media (Develop) ..........

46

4. Implementasi (Implement) ..............................................

46

5. Evaluasi (Evaluate) .........................................................

47

C. Tempat dan Waktu Penelitian ...........................................

48

D. Subyek Penelitian ..............................................................

48

E. Teknik Pengumpulan Data ................................................

49

F. Instrumen Penelitian ...........................................................

49

1. Uji Blackbox ..................................................................

50

2. Instrumen kelayakan Media Pembelajaran .....................

50

3. Instrumen kelayakan Materi pada Media Pembelajaran ..

52

4. Instrumen keefektifan Media Pembelajaran ...................

54

xiii

G. Pengujian Instrumen ..........................................................

55

1. Validitas Instrumen .........................................................

55

2. Reliabilitas Instrumen .....................................................

56

H. Teknik Analisis Data .........................................................

57

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

58

A. Deskripsi Data Uji Coba ....................................................

58

1. Hasil Proses Analisis (Analyze) ......................................

58

2. Hasil Proses Perancangan (Design) ................................

60

3. Hasil Proses Pengembangan (Develop) ..........................

62

4. Hasil Proses Penerapan (Implement) ..............................

75

5. Hasil Proses Evaluasi (Evaluate) ....................................

78

B. Analisis Data ......................................................................

81

1. Analisis Data Kelayakan Media dan Materi ..................

81

2. Uji Pengguna ..................................................................

87

3. Uji Reliabilitas ...............................................................

89

C. Kajian Produk .....................................................................

89

D. Pembahasan Hasil Penelitian ..............................................

92

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

98

A. Simpulan ............................................................................

98

B. Keterbatasan Produk ...........................................................

99

C. Pengembangan Produk Lebih Lanjut ..................................

100

D. Saran ....................................................................................

101

DAFTAR PUSTAKA .............................................................................

102

LAMPIRAN ............................................................................................

107

xiv

DAFTAR TABEL Halaman Tabel 1: Produk Metode Research & Development (R&D) (Budiyono Saputro, 2017: 9) ............................................................................................... 9 Tabel 2: Perbandingan fitur EmguCV berbagai versi (Budiman Putra A.R., 2017: 17)........................................................................................ 35 Tabel 3. Kisi-kisi Uji Blackbox ........................................................................................ 50 Tabel 4. Kisi-kisi instrumen kelayakan media pembelajaran ....................................... 51 Tabel 5. Kisi-kisi instrumen kelayakan materi pada media pembelajaran ................. 53 Tabel 6. Kisi-kisi instrumen keefektifan media pembelajaran ..................................... 54 Tabel 7. Kategori Koefisien Reliabilitas ......................................................................... 57 Tabel 8. Kriteria Kelayakan Media Pembelajaran (Mardapi, 2017: 146).................... 58 Tabel 9. Keakuratan bentuk yang dideteksi aplikasi ...................................................... 64 Tabel 10. Pengukuran jarak yang bisa dideteksi dengan objek berdiameter 5,5 cm . 64 Tabel 11. Pengukuran jarak yang bisa dideteksi dengan objek berdiameter 6,8 cm . 65 Tabel 12. Pengukuran jarak yang bisa dideteksi dengan objek berdiameter 7 cm .... 65 Tabel 13. Pengukuran jarak yang bisa dideteksi dengan objek berdiameter 10 cm .. 66 Tabel 14. Pengukuran jarak yang bisa dideteksi dengan objek berdiameter 12 cm .. 66 Tabel 15. Pengukuran diameter objek oleh aplikasi pada jarak 20 cm ....................... 67 Tabel 16. Pengukuran jarak webcam terhadap media yang dideteksi oleh aplikasi .. 67 Tabel 17. Uji Blackbox ....................................................................................................... 71 Tabel 18. Penilaian oleh Ahli Media ................................................................................ 72 Tabel 19. Penilaian oleh Ahli Materi ............................................................................... 73 Tabel 20. Saran dan perbaikan pada media pembelajaran ............................................ 75 Tabel 21. Saran dan perbaikan pada materi pembelajaran ............................................ 75

xv

Tabel 22. Kategori penilaian kelayakan media .............................................................. 83 Tabel 23. Data hasil penilaian media ............................................................................... 84 Tabel 24. Kategori penilaian kelayakan materi .............................................................. 86 Tabel 25. Data hasil penilaian materi .............................................................................. 87 Tabel 26. Kategori penilaian pengguna ........................................................................... 88 Tabel 27. Data hasil penilaian pengguna ........................................................................ 89

xvi

DAFTAR GAMBAR Halaman Gambar 1. Langkah penggunaan Metode Research and Development (Sugiyono, 2016: 298) ...............................................................................

10

Gambar 2. Model ADDIE Menurut Robert Maribe Branch (2009: 2) .....

11

Gambar 3. Komponen sistem pengolahan citra digital (Darma Putra, 2010: 15) ............................................................................

24

Gambar 4. Ilustrasi digitalisasi citra (pixel pada koordinat x = 10, y = 7) (Darma Putra, 2010: 21) ............................................................................

26

Gambar 5. Permodelan warna RGB (Budiman Putra A.R., 2017: 78) .....

26

Gambar 6. Permodelan warna CMYK (Budiman Putra A.R., 2017: 80) .

27

Gambar 7. Permodelan warna HSV (Budiman Putra A.R., 2017: 79)......

27

Gambar 8. Diagram alur dari algoritma Hough Transform (Leavers, 1992: 143) .................................................................................

29

Gambar 9. Pemanfaatan transformasi Hough untuk mendeteksi batas-batas iris dan pupil (Darma Putra, 2010: 227) .................................

31

Gambar 10. Transformasi HoughCircle (Nixon & Aguado, 2002: 181) ..

32

Gambar 11. Tampilan antarmuka Microsoft Visual Studio 2012 (Dokumentasi Pribadi) ..............................................................................

33

Gambar 12. Arsitektur EmguCV (Budiman Putra A.R., 2017: 15) ...............................................................

34

Gambar 13. Kerangka Berfikir Peneliti ....................................................

43

Gambar 14. Tampilan Visual Studio 2012................................................

60

Gambar 15. Media yang dideteksi oleh aplikasi pendeteksi objek ..........

61

Gambar 16. Flowchart media pembelajaran aplikasi pendeteksi objek ...

62

Gambar 17. Tampilan Utama GUI Aplikasi Media Pembelajaran ...........

63

Gambar 18. Pendeteksian lingkaran pada objek lingkaran merah media .

77

xvii

Gambar 19. Pendeteksian lingkaran pada objek lingkaran jingga media .

77

Gambar 20. Pendeteksian lingkaran pada objek lingkaran kuning media

78

Gambar 21. Pendeteksian lingkaran pada objek lingkaran hijau media ...

78

Gambar 22. Pendeteksian lingkaran pada objek lingkaran ungu media ...

79

Gambar 23. Revisi media yang dideteksi ..................................................

80

Gambar 24. Revisi tampilan GUI dan algoritma program media .............

81

Gambar 25. Revisi materi pada media pembelajaran................................

81

xviii

DAFTAR LAMPIRAN Halaman Lampiran 1. Instrumen Penelitian ............................................................

108

Lampiran 2. Validasi Instrumen Penelitian ..............................................

125

Lampiran 3. Hasil Uji Blackbox ...............................................................

132

Lampiran 4. Hasil Validasi Produk ..........................................................

136

Lampiran 5. Hasil Penelitian ....................................................................

155

Lampiran 6. Analisis Data ........................................................................

161

Lampiran 7. Berkas Penelitian .................................................................

166

Lampiran 8. Program Aplikasi Pendeteksi Objek Lingkaran ..................

170

Lampiran 9. Panduan Penggunaan, Materi, dan Jobsheet ........................

182

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

224

xix

BAB I PENDAHULUAN A.

Latar Belakang Pesat dan majunya dunia industri seharusnya diimbangi juga dengan majunya

dunia pendidikan, dikarenakan sumber daya manusia yang berkualitas tinggi akan dihasilkan dari pendidikan yang berkualitas baik juga. Namun hal tersebut tampaknya belum tercapai di negara Indonesia. Persoalan besar yang saat ini sedang melanda yakni para lulusan yang sudah terampil dan terdidik justru jadi pencetak pengangguran. Berdasarkan data Badan Pusat Statistik (BPS) pada Agustus 2017, di Indonesia ada 12,3 persen (861.695 orang) merupakan alumni perguruan tinggi, dari total seluruh pengangguran pada tahun itu. Mereka punya ijazah diploma tiga atau ijazah strata satu (S-1). Jumlah pengangguran paling tinggi merupakan lulusan universitas bergelar S-1 yang mencapai hingga angka 618.758 orang. Angka pengangguran terdidik pada 2017 persentasenya meningkat dibanding jumlah pengangguran lulusan perguruan tinggi pada 2016 yang hanya 11,19 persen (786.971 orang) dan pada 2015 sebesar 11,97 persen (905.127 orang). Satu faktor penyebab masih banyaknya pengangguran lulusan sarjana yakni belum sesuainya kemampuan sumber daya manusia (SDM)-nya dengan kebutuhan perusahaan, dikarenakan para lulusan masih banyak yang belum menguasai beberapa kompetensi yang sudah dicanangkan pemerintah bersama industri untuk setiap

1

jurusannya. Mahasiswa belum bisa menguasai sebuah kompetensi inti atau dasar ini dikarenakan mereka pada saat proses belajar mengajar, ilmu yang diberikan para dosen tidak benar-benar atau belum bisa dipahami secara matang, sehingga mereka (mahasiswa) menjadi tidak tahu dan belum menguasai sebuah kompetensi yang seharusnya mereka kuasai. Sumber asal muasal mengapa ilmu yang diberikan para dosen tidak benar-benar sampai dipahami para mahasiswa terjadi karena di saat proses pembelajaran, metode yang digunakan para dosen masih mengikuti cara lama yang monoton dan kurang variatif, apalagi dengan metode pembelajaran otodidak dimana mahasiswa harus lebih banyak belajar sendiri di luar ruang dan waktu jam perkuliahan, sehingga membuat para mahasiswa menjadi kurang tertarik dan bersemangat saat mengikuti pembelajaran sebuah mata kuliah. Universitas Negeri Yogyakarta (UNY) adalah institusi terkemuka di Indonesia yang berkembang dari Institut Keguruan dan Ilmu Pengetahuan (IKIP), telah berhasil menghasilkan banyak tenaga kependidikan dan juga yang non-kependidikan. Mengikuti kemajuan perkembangan teknologi saat ini yang sudah semakin pesat, maka dari itu UNY telah membuka beberapa program studi yang mempelajari teknologi sehingga dapat memberikan manfaat bagi kelangsungan hidup umat manusia. Teknologi yang banyak manfaatnya dan juga turut andil besar dalam penambahan keefektifan dan keefisienan industri saat ini dan juga banyak membantu dalam kehidupan manusia yakni teknologi robot. Program studi di UNY yang benar-

2

benar mempelajari seluk-beluk dunia robotika ialah program studi Pendidikan Teknik Mekatronika yang dinaungi oleh Jurusan Pendidikan Teknik Elektro, Fakultas Teknik. Mekatronika sendiri merupakan ilmu pengetahuan bidang keteknikan yang mempelajari teknik pengolahan sistem otomasi dan robotika, sehingga, lulusan program studi ini diharapkan dapat menjadi insan yang benar-benar paham dan bisa menjadi pakar terkemuka di dunia robotika. Mata kuliah yang penting dan berhubungan dengan ilmu robotika ialah mata kuliah Penginderaan Visual Robot. Mata kuliah ini merupakan pengembangan dari mata kuliah Praktik Robotika. Mata kuliah ini mempelajari teori dan praktik pengolahan citra digital yang nantinya dapat diaplikasikan langsung dengan berbagai jenis robot, baik robot manipulator (robot yang dapat melakukan pekerjaan yang dapat dilakukan manusia), maupun robot humanoid (robot yang bentuknya menyerupai manusia). Besar harapan dari mata kuliah ini nantinya para mahasiswa dapat mengenal dan memahami prinsip penginderaan visual dalam sebuah robot. Media pembelajaran perlu ada dalam mendukung jalannya kegiatan pembelajaran. Media pembelajaran merupakan sarana dan prasarana yang dapat menunjang suatu proses pembelajaran. Berdasar pengalaman serta observasi yang dilakukan, mata kuliah Penginderaan Visual Robot ini masih terhitung baru di program studi ini, terhitung baru dua tahun, sehingga muncul sebuah permasalahan utama di sini, yakni belum tersedianya media pembelajaran yang memadai dalam mata kuliah ini. Dampak buruknya ialah sebagian besar mahasiswa merasa sangat jenuh dan bosan

3

dalam mengikuti mata kuliah ini, dikarenakan sebagian besar yang diajarkan dosen hanyalah teori-nya saja. Tentunya ini juga secara tidak langsung berdampak pada kurang berkembangnya kemampuan mahasiswa dalam bidang penginderaan visual robot. Mengacu pada permasalahan tersebut, peneliti bermaksud melakukan penelitian yang mengarah pada uji coba media pembelajaran aplikasi pendeteksi objek lingkaran menggunakan metode HoughCircle. Objek yang dideteksi merupakan objek berbentuk lingkaran dikarenakan bentuk lingkaran adalah bentuk yang paling mudah dan paling banyak ditemui di lingkungan sekitar kita, dan juga bentuk yang paling sering dideteksi dalam dunia citra visual. Hasil akhir yang diharapkan dengan adanya media ini, ketertarikan dan kompetensi mahasiswa pada mata kuliah Penginderaan Visual Robot dapat meningkat pesat.

B.

Identifikasi Masalah Berdasarkan uraian pada latar belakang di atas, dapat diidentifikasi beberapa

masalah pada penelitian ini yaitu : 1.

Kompetensi mahasiswa pada bidang penginderaan visual robot masih belum optimal, dikarenakan pada mata kuliah sebelumnya belum terdapat materi yang mendukung pembelajaran penginderaan visual.

2.

Ketertarikan dan minat mahasiswa pada mata kuliah penginderaan visual robot masih kurang.

4

3.

Belum adanya media pembelajaran dengan bantuan sensor kamera yang memadai pada mata kuliah penginderaan visual robot.

C.

Batasan Masalah Berdasarkan berbagai masalah yang terdapat di atas, perlu adanya pembatasan

masalah. Penelitian ini mengukur kelayakan media pembelajaran aplikasi pendeteksi objek lingkaran pada mahasiswa Pendidikan Teknik Mekatronika UNY.

D.

Rumusan Masalah Berdasarkan identifikasi masalah dan batasan masalah yang terrdapat di atas,

maka rumusan masalah yang dapat dirumuskan yaitu : 1.

Bagaimana unjuk kerja media pembelajaran aplikasi pendeteksi objek lingkaran menggunakan metode HoughCircle ?

2.

Bagaimana tingkat kelayakan media pembelajaran aplikasi pendeteksi objek lingkaran untuk mahasiswa Pendidikan Teknik Mekatronika UNY ditinjau oleh para ahli dan hasil pada pengujian lapangan ?

E.

Tujuan Penelitian Berdasarkan rumusan masalah tersebut, tujuan penelitian ini adalah:

1.

Mengetahui unjuk kerja pada media pembelajaran aplikasi pendeteksi objek lingkaran menggunakan metode HoughCircle.

5

2.

Mengetahui tingkat kelayakan media pembelajaran aplikasi pendeteksi objek lingkaran untuk mahasiswa Pendidikan Teknik Mekatronika UNY, ditinjau oleh para ahli dan pengguna.

F.

Spesifikasi Produk Spesifikasi media pembelajaran aplikasi pendeteksi objek lingkaran ini sebagai

berikut: 1.

Sensor

: Kamera webcam

2.

Bahasa pemrograman

: C#

3.

Software compiler

: Microsoft Visual Studio 2012

4.

Library

: EmguCV

5.

Metode yang digunakan

: HoughCircle

6.

Objek yang dapat dideteksi

: Lingkaran

Bentuk media pembelajaran berupa aplikasi yang dapat mendeteksi objek lingkaran, ditampilkan dalam bentuk citra visual. Terdiri dari empat tampilan citra kamera yang bertahap sehingga dapat menjelaskan per tahap metode terjadinya pendeteksian objek lingkaran.

6

G.

Manfaat Penelitian

1.

Bagi Mahasiswa Membantu meningkatkan pemahaman dalam proses pembelajaran mahasiswa, khususnya mata kuliah penginderaan visual robot.

2.

Bagi pihak pendidikan tinggi Media pembelajaran pada mata kuliah penginderaan visual robot.

3.

Bagi peneliti selanjutnya Masukan bagi peneliti dengan penelitian serupa di masa mendatang.

4.

Bagi pembaca Menambah wawasan pembaca mengenai media pembelajaran aplikasi pendeteksi objek lingkaran.

7

BAB II KAJIAN PUSTAKA A.

Kajian Teoretis

1.

Penelitian dan Pengembangan Sugiyono (2016: 297) mengemukakan metode penelitian dan pengembangan

atau dalam bahasa inggris-nya Research and Development adalah metode penelitian yang digunakan untuk menghasilkan produk tertentu, dan menguji keefektifan produk tersebut. Borg dan Gall (1983: 772) dalam Budiyono Saputro (2017: 8), berpendapat “Educational Research and Development is a process used to develop and validate educational products”, yang berarti “penelitian dan pengembangan dalam bidang edukasi merupakan proses yang digunakan untuk memvalidasi dan mengembangkan produk yang berkaitan dengan pendidikan”. Sukmadinata (2008), dalam Budiyono Saputro (2017: 8), punya pandangan serupa, ia menyatakan Research and Development adalah pendekatan penelitian untuk menghasilkan suatu produk baru atau menyempurnakan produk yang sudah ada. Berdasar beberapa pengertian ahli di atas, Budiyono Saputro (2017: 8) pada akhirnya menyimpulkan bahwa metode Research and Development adalah metode penelitian yang menghasilkan sebuah produk dalam bidang keahlian tertentu, yang diikuti produk sampingan tertentu serta memiliki efektifitas dari sebuah produk tersebut. Berdasar beberapa pernyataan yang telah disebutkan di atas, dapat disimpulkan bahwa penelitian dan pengembangan merupakan sebuah metode penelitian yang

8

digunakan untuk menghasilkan produk dalam sebuah bidang keahlian tertentu (misalnya edukasi), kemudian produk tersebut lebih disempurnakan atau dikembangkan setelah melalui proses validasi, dan pada akhirnya produk tersebut diuji, agar mengetahui apakah produk yang telah dikembangkan tersebut punya efektifitas atau tidak. Produk penelitian dan pengembangan tersebut adalah konkret, seperti yang ditampilkan pada tabel 1 berikut.

Tabel

1:

Produk

Metode

Research

&

Development

(R&D),

Budiyono Saputro (2017: 9) No. Bidang Research 1. Manajemen Pendidikan 2. Pendidikan IPA 3. Komputer

Contoh Produk Model Manajemen Pelatihan IPA Terpadu Buku Materi IPA Terpadu Software

Penelitian dan pengembangan nantinya dapat menjadi suatu penelitian yang lebih baik dan terarah, ada beberapa langkah yang harus dilakukan. Banyak macam langkah-langkah yang telah diutarakan para ahli, salah satu-nya dijelaskan pada Gambar 1.

9

Gambar 1. Langkah penggunaan Metode Research and Development, Sugiyono (2016: 298) Proses Desain Produk, sebelum mendesain produk-nya langsung, haruslah terlebih dahulu memilih dan menentukan model desain instruksional-nya terlebih dahulu. Khoe Yao Tung (2017: 1) berpendapat pada dasarnya desain instruksional atau desain pembelajaran adalah desain dalam proses pengajaran yang sistematis mulai dari perancangan, strategi, pengembangan dan evaluasinya terkait guru, murid, materi, dan lingkungan pembelajaran. Macam-macam model desain instruksional menurut Khoe Yao Tung (2017) ada tujuh macam model, antara lain: a.

Dick dan Carrey;

b.

Morrison, Roos, dan Kemp;

c.

Gagne;

d.

ADDIE (Analyze, Design, Develop, Implement, Evaluate);

e.

ASSURE;

f.

Backward Design dan Dynamic Instructional Design;

g.

Smith-Ragan, Gerlach-Elly, dan Banathy.

10

Model yang dipilih dan dipakai oleh peneliti adalah ADDIE yang pada awalnya dikembangkan para pendidik di Florida State University pada tahun 1975 (Khoe Yao Tung, 2017: 57). Tetapi pada akhirnya ADDIE lebih dipopulerkan oleh Robert Maribe Branch. Pada 2009, dalam buku beliau di halaman 2, tertera bahwa beliau mengemukakan, ADDIE adalah kepanjangan dari Analyze, Design, Develop, Implement, dan Evaluate.

Gambar 2. Model ADDIE Menurut Robert Maribe Branch (2009: 2) Khoe Yao Tung (2017: 59) menjelaskan, ADDIE banyak diterapkan dalam lingkungan belajar yang telah dirancang sesuai dengan tujuan pembelajaran. Perangkat pembelajaran ADDIE ditujukan untuk mencapai kegiatan pembelajaran yang efektif. ADDIE membantu menyelesaikan permasalahan pembelajaran yang kompleks dan juga mengembangkan hasil pendidikan dan pembelajaran.

11

2.

Media Pembelajaran

a.

Media Media erat kaitannya dengan proses pembelajaran. Media dalam Kamus Besar

Bahasa Indonesia (KBBI) V punya artian kata benda, yang terletak di antara dua pihak (orang, golongan, dan sebagainya), contohnya: wayang bisa dipakai sebagai media pendidikan. Kata media berasal dari bahasa latin yang merupakan bentuk jamak dari “Medium” yang secara harfiah berarti “Perantara” atau “Pengantar” yaitu perantara atau pengantar sumber pesan dengan penerima pesan (Putro, 2009: 5).

b.

Pembelajaran Kata pembelajaran dalam Kamus Besar Bahasa Indonesia (KBBI) V adalah kata

benda, mempunyai arti proses, cara, perbuatan menjadikan orang atau makhluk hidup belajar. Selaras dengan pengertian di atas, Ega Rima Wati (2016: 3) juga mengungkapkan bahwa pembelajaran adalah suatu proses yang merupakan perpaduan antara unsur-unsur manusiawi, material, fasilitas, perlengkapan, dan prosedur tersusun rapi, saling mempengaruhi tercapainya tujuan pembelajaran. Pembelajaran merupakan kegiatan penyampaian informasi yang diciptakan untuk memfasilitasi pencapaian tujuan yang spesifik (Wulandari, 2015: 375). Sedangkan menurut Sukoco (2014: 216), pembelajaran adalah kegiatan yang sengaja direncanakan oleh guru untuk memberikan pengalaman belajar kepada peserta didik dengan tujuan agar peserta didik mampu

12

belajar secara mandiri. Pembelajaran merupakan proses komunikasi yang dilakukan pendidik kepada peserta didik dalam rangka menyampaikan pesan tertentu.

c.

Media Pembelajaran Ega Rima Wati (2016: 3) berpendapat, media pembelajaran meliputi alat yang

secara fisik digunakan untuk menyampaikan isi materi pembelajaran. Media pembelajaran merupakan komponen sumber belajar yang mengandung materi instruksional di lingkungan siswa yang memotivasi siswa untuk belajar. Sedangkan menurut Putro (2009: 7), media pembelajaran adalah sebuah alat yang berfungsi untuk menyampaikan pesan pembelajaran. Pembelajaran adalah sebuah proses komunikasi antara pembelajar, pengajar dan bahan ajar. Komunikasi tidak akan berjalan tanpa bantuan sarana penyampai pesan atau media.

d.

Jenis Media Pembelajaran Sanaky (2013: 46) mengungkapkan bahwa pembagian jenis dan karakteristik

media pembelajaran sebagai berikut: 1)

2)

Dilihat dari aspek bentuk fisik, dibagi menjadi dua: 

Media elektronik, contoh: televisi, film, radio, slide, dsb.



Media non-elektronik, contoh: buku, handout, modul, dsb.

Dilihat dari aspek panca indera, dibagi menjadi tiga: 

Media audio (dengar). 13

3)

e.



Media visual (melihat), termasuk media grafis.



Media audio-visual (mendengar dan melihat).

Dilihat dari aspek alat dan bahan yang digunakan, dibagi menjadi dua: 

Alat perangkat keras (hardware) sebagai sarana penampil pesan.



Alat perangkat lunak (software) sebagai pesan atau informasi.

Manfaat Media Pembelajaran Media pembelajaran menurut Ega Rima Wati (2016: 12) memiliki beberapa

manfaat yang perlu diketahui oleh guru, yaitu manfaat umum dan praktis. Berikut merupakan manfaat-manfaat media pembelajaran: 1)

2)

Manfaat Umum: o

Lebih Menarik

o

Materi Jelas

o

Tidak Mudah Bosan

o

Siswa Lebih Aktif

Manfaat Praktis: o

Meningkatkan Proses Belajar

o

Memotivasi Siswa

o

Merangsang Kepekaan

o

Terjadi Interaksi Langsung

14

f.

Fungsi Media Pembelajaran Media pembelajaran punya peran penting dalam mencapai tujuan pembelajaran.

Hadirnya media pembelajaran mampu membawa dan membangkitkan antusiasme siswa dalam belajar, digunakan guru untuk dapat memperbaharui semangat siswa terhadap segala sesuatu yang baru setiap harinya, juga dapat membantu memantapkan pengetahuan dan wawasan siswa dan menghidupkan proses pembelajaran. Selain itu, Ega Rima Wati (2016: 10) menyatakan bahwa media pembelajaran juga punya empat fungsi utama, yaitu:

1)

Fungsi Atensi Atensi merupakan fungsi inti dari sebuah media pembelajaran, yakni membuat

tertarik siswa dan mengarahkan perhatian siswa untuk berkonsentrasi kepada materi pembelajaran yang ditampilkan melalui grafis atau teks pada sebuah media pembelajaran.

2)

Fungsi Afektif Afektif adalah fungsi dari media pembelajaran yang dapat dilihat dari tingkat

kenyamanan siswa ketika belajar atau membaca teks bergambar dalam sebuah media pembelajaran.

15

3)

Fungsi Kognitif Kognitif merupakan fungsi dari media pembelajaran yang terlihat dari

tampilannya. Tampilan dapat memperlancar pencapaian tujuan untuk mengingat dan memahami pesan atau informasi yang ada dalam sebuah media pembelajaran. 4)

Fungsi Kompensatoris Kompensatoris adalah fungsi dari media pembelajaran yang dapat dilihat dari

hasil penelitiannya. Sebuah media pembelajaran berfungsi untuk mengakomodasikan siswa yang lemah atau lambat menerima dan memahami isi pelajaran yang disajikan dengan teks ataupun secara verbal.

g.

Pertimbangan Pemilihan Media Pembelajaran Pertimbangan media yang akan digunakan dalam pembelajaran menjadi

pertimbangan utama, menurut Sanaky (2013: 6) media yang dipilih harus sesuai: 1)

Tujuan pengajaran,

2)

Bahan pelajaran,

3)

Metode mengajar,

4)

Tersedia alat yang dibutuhkan,

5)

Pribadi pengajar,

6)

Minat dan kemampuan pembelajar,

7)

Situasi pengajaran yang sedang berlangsung.

16

h.

Kriteria dalam Pemilihan Media Pembelajaran

1)

Kriteria Media Umum Ada beberapa kriteria umum yang perlu diperhatikan dalam pemilihan media

pembelajaran. Rudi Susilana dan Cepi Riyana (2009: 70) mengungkapkan ada enam kriteria umum pemilihan sebuah media pembelajaran, antara lain: 

Pertama : Kesesuaian dengan Tujuan (instructional goals).



Kedua



Ketiga : Kesesuaian dengan Karakteristik Pembelajar atau siswa.



Keempat : Kesesuaian dengan Teori.



Kelima : Kesesuaian dengan Gaya Belajar Siswa.



Keenam : Kesesuaian dengan Kondisi Lingkungan, Fasilitas Pendukung, dan

: Kesesuaian dengan Materi Pembelajaran (instructional content).

Waktu. 2)

Kriteria Media Buku Teks Pudji Muljono (2007: 21) menjelaskan, komponen buku teks pelajaran meliputi

empat komponen dalam rincian berikut: 

Kelayakan Isi: o Alignment dengan SK dan KD mata pelajaran, o Substansi keilmuan, o Wawasan untuk maju dan berkembang, dan o Keberagaman nilai sosial.

17



Kebahasaan: o Keterbacaan, o Kesesuaian dengan kaidah Bahasa Indonesia yang baik dan benar, dan o Logika berbahasa.



Penyajian: o Teknik, o Materi, o Pembelajaran.



Kegrafikaan: o Ukuran / format buku, o Desain bagian kulit, o Desain bagian isi, o Kualitas kertas, o Kualitas cetakan, dan o Kualitas jilidan.

Bersumber dari beberapa uraian sumber di atas, maka peneliti merumuskan: media bisa dikatakan layak bila memenuhi beberapa kriteria berikut: -

Media secara umum, harus sesuai dengan enam kriteria berikut: 

Tujuan,



Materi Pembelajaran,

18

-

i.



Karakteristik Pembelajar atau siswa,



Teori,



Gaya Belajar Siswa, dan



Kondisi Lingkungan, Fasilitas Pendukung, Waktu.

Media berupa teks, meliputi empat kriteria berikut: 

Kelayakan Isi,



Kebahasaan,



Penyajian,



Kegrafikaan.

Evaluasi Media Pembelajaran Tahap akhir yang harus dilakukan oleh seorang pendidik yaitu mengevaluasi

semua aspek pembelajaran, tidak terkecuali media pembelajaran yang digunakan. Tujuan utama dari evaluasi media pembelajaran yaitu apakah media yang digunakan efektif untuk pembelajaran tersebut. Tentunya untuk mengevaluasi media pembelajaran harus sesuai dengan kriteria yang telah ditentukan. Evaluasi media pembelajaran bisa dilaksanakan terhadap pengguna (user). Walker dan Hess (1984: 206) dalam Azhar Arsyad (2009: 175) berpendapat, ada beberapa kriteria untuk mereview media pembelajaran berdasarkan kualitas yaitu:

19



Kualitas isi dan tujuan media pembelajaran, dapat dikaji berdasarkan: aspek ketetapan, kepentingan, kelengkapan, keseimbangan, minat atau perhatian, keadilan, dan kesesuaian dengan situasi siswa.



Kualitas instruksional media pembelajaran, dapat dikaji berdasarkan: aspek memberikan kesempatan belajar, memberikan bantuan untuk belajar, kualitas memotivasi,

fleksibilitas

pembelajaran,

hubungan

dengan

program

pembelajaran lainnya, kualitas sosial interaksi pembelajarannya, kualitas tes dan penilaiannya, dapat memberi dampak bagi siswa, dapat memberi dampak bagi guru dan pembelajaran. 

Kualitas teknis media pembelajaran, dapat dikaji berdasarkan: aspek keterbatasan, mudah digunakan, kualitas tampilan atau tayangan, kualitas penanganan

jawaban,

kualitas

pengelolaan

programnya

dan

kualitas

pendokumentasiannya.

3.

Software Aplikasi

a.

Software Software menurut Rully Charitas Indra, dkk. (2012: 2) adalah sekumpulan data

elektronik yang disimpan dan diatur oleh komputer. Data elektronik yang disimpan oleh komputer itu dapat berupa program atau instruksi yang akan menjalankan suatu perintah. Karena disebut juga perangkat lunak (software), sifatnya pun berbeda dengan perangkat keras (hardware). Jika hardware adalah komponen nyata yang dapat dilihat 20

dan disentuh secara langsung oleh manusia, maka software kebalikan dari hardware, tidak dapat disentuh dan dilihat secara fisik. Software memang tidak tampak secara fisik dan tidak berwujud benda, namun bisa dioperasikan. Software merupakan catatan bagi mesin komputer untuk menyimpan perintah, dokumen, serta arsip lainnya.

b.

Software Aplikasi Rully Charitas Indra, dkk. (2012: 12) mengemukakan software aplikasi adalah

program-program yang dibuat oleh pabrik software atau programmer untuk pengguna yang dipakai atau beroperasi dalam bidang-bidang umum. Beberapa contoh dari software aplikasi seperti: word processor, spreadsheet, pengolah database, desain grafis, desktop publishing, CAD/CAM, antivirus, utilities, komunikasi, multimedia, dan game.

4.

Pendeteksi Objek Kamus Besar Bahasa Indonesia (KBBI) mengartikan kata deteksi yakni usaha

untuk menemukan dan menentukan keberadaan, anggapan, ataupun kenyataan. Prabowo (2017: 8) mengemukakan, pada pengolahan citra, proses pendeteksian objek dapat dilakukan dengan memisahkan foreground (objek yang dideteksi) dengan background (latar belakang)-nya. Deteksi objek merupakan sebuah proses dalam pengolahan citra yangmana merupakan sebuah citra bergerak (video). Citra video pada dasarnya merupakan gabungan beberapa citra gambar yang saling berganti pada durasi

21

waktu tertentu. Citra gambar yang saling berganti ini sering disebut dengan frame. Proses pergantian frame pada citra video berlangsung sangat cepat sehingga sampaisampai kita tidak menyadarinya. Sebuah citra video terdiri dari frame kedua yang tidak selalu sama (identik) dengan frame pertama, begitu pula dengan frame-frame selanjutnya. Hal inilah yang menjadi dasar pemikiran terhadap teknik deteksi objek pada pengolahan citra dengan menganalisa nilai selisih antara frame pertama yang dapat juga disebut dengan latar belakang atau background dengan frame-frame selanjutnya.

5.

Pengolahan Citra Digital

a.

Citra Digital Darma Putra (2010: 19) mengungkapkan bahwa citra digital merupakan sebuah

larik (array) yang berisi nilai-nilai real maupun kompleks yang direpresentasikan dengan deretan bit tertentu. Suatu citra dapat didefinisikan sebagai fungsi f(x,y) berukuran M baris dan N kolom, dengan x dan y adalah koordinat spasial, dan amplitudo f di titik koordinat (x,y), ini dinamakan intensitas atau tingkat keabuan dari citra pada titik tersebut.

b.

Computer Vision Darma Putra (2010: 1) mengemukakan bahwa ada empat istilah yang sering

dijumpai dalam pengolahan citra digital, yaitu: image processing, image analysis,

22

image understanding, dan computer vision. Belum ada keterangan yang jelas tentang batasan pengolahan citra dengan aplikasi citra lainnya seperti analisis citra, deskripsi citra, dan visi komputer. Namun keempat istilah tadi sering dibedakan dari input dan outputnya. Image processing punya input dan outputnya berupa citra (image). Image analysis punya input berupa citra dengan output bukan citra, melainkan hasil pengukuran citra tersebut. Image understanding punya input berupa citra dengan output deskripsi tingkat tinggi dari citra tersebut (output bukan citra). Computer Vision punya input penglihatan manusia, dengan outputnya berupa citra digital. Computer Vision menurut Budiharto (2014: 155) merupakan teknologi paling penting di masa yang akan datang dalam pengembangan robot yang interaktif. Computer Vision merupakan bidang pengetahuan yang fokus pada sistem kecerdasan buatan dan berhubungan dengan image acquisition dan image processing. Computer Vision menerapkan digital image processing untuk menerapkan algoritma komputer. Penerapan ini bertujuan untuk pemrosesan image pada digital image. Selaras dengan pendapat di atas, Budiman Putra AR (2017: 1) menyatakan bahwa Computer Vision adalah kemampuan sebuah mesin atau komputer untuk melihat dan memahami sebuah citra dengan sama atau bahkan melebihi dari kemampuan penglihatan manusia asli. Tujuan dari pengembangan Computer Vision ini adalah untuk menduplikasi kemampuan mata manusia, baik dalam hal penangkapan atau perekaman citra, analisa citra, ataupun dalam pemahaman citra untuk diterapkan dalam sebuah mesin atau komputer.

23

c.

Pengolahan Citra Digital

1)

Pengertian Pengolahan Citra Digital Arif Nugroho (2016: 36) mengemukakan, pengolahan citra digital adalah suatu

cara yang digunakan untuk memproses suatu gambar dengan tujuan memperbaiki kualitas suatu gambar agar lebih mudah diinterpretasikan oleh mata manusia ataupun oleh suatu mesin. 2)

Komponen dalam Sistem Pengolahan Citra Digital Komponen utama dalam sistem pengolahan citra digital terdiri atas beberapa

komponen. Secara umum komponen-komponen ini dapat ditunjukkan pada Gambar 3 berikut.

Gambar 3. Komponen sistem pengolahan citra digital (Sumber: Darma Putra, 2010: 15)

24

Darma Putra (2010: 15) berpendapat bahwa komputer dalam sistem pengolahan citra digital merupakan komputer umum yang dapat berupa PC (Personal Computer) hingga superkomputer. Software yang digunakan dapat terdiri atas software khusus pengolahan

citra

digital

atau

software

bahasa

pemrograman

untuk

mengimplementasikan algoritma pengolahan citra. Seperti dicontohkan oleh Budiman Putra AR (2017: 2) yakni dapat berupa library pemrograman pendukung computer vision gratis seperti OpenCV, EmguCV, SimpleCV, serta AForge.NET. Storage merupakan media penyimpanan citra digital. Sensor citra berguna untuk proses akuisisi citra (mendapat atau membuat citra digital). Display untuk menampilkan citra digital. Hardcopy untuk mencetak kembali citra digital ke dalam bentuk seperti CD, kertas, film, dsb. Network berguna untuk transmisi citra dan biasa butuh bandwith besar. 3)

Dasar Pengolahan Citra Digital

A.

Pixel Pixel biasanya dapat ditulis dalam bentuk matriks berikut:

Nilai pada suatu irisan antara baris dan kolom (pada posisi x, y) disebut dengan picture elements, image elements, pels, atau pixels. Pixels adalah istilah yang paling

25

sering digunakan dalam citra digital. Gambar 4 berikut menunjukkan ilustrasi digitalisasi citra dengan M = 7 baris dan N = 10 kolom (Darma Putra, 2010: 20). Kolom Baris

Gambar 4. Ilustrasi digitalisasi citra (pixel pada koordinat x = 10, y = 7) (Sumber: Darma Putra, 2010: 21) B.

Model Warna Budiman Putra AR (2017: 76) menuturkan warna dalam sebuah citra dapat

dibagi menjadi beberapa format. Format warna yang disediakan oleh library EmguCV diantaranya: 

RGB (Red, Green, Blue), dengan warna utama merah, hijau, dan biru.

Gambar 5. Permodelan warna RGB (Sumber: Budiman Putra A.R., 2017: 78)

26



CMYK (Cyan, Magenta, Yellow, Key), dengan warna utama biru muda, merah muda, kuning, dan hitam.

Gambar 6. Permodelan warna CMYK (Sumber: Budiman Putra A.R., 2017: 80) 

HSV (Hue, Saturation, Value), dengan Hue menunjukkan jenis warna, Saturation menunjukkan kemurnian atau kekuatan warna, dan Value disebut juga intensitas, menunjukkan tingkat kecerahan suatu warna.

Gambar 7. Permodelan warna HSV (Sumber: Budiman Putra A.R., 2017: 79)

27



Grayscale (Citra Abu), hanya punya satu nilai channel pada tiap pixel-nya. Warna-nya hanya abu-abu, tetapi bervariasi pada warna hitam pada intensitas terlemahnya dan warna putih pada intensitas terkuatnya.



Binary (Citra Biner), biasa disebut citra monokrom, hanya punya dua warna, yakni hitam dan putih.

6.

Transformasi Hough Transformasi Hough merupakan teknik atau metode utama transformasi citra

yang peneliti gunakan untuk mengisolasi suatu objek pada citra dengan menemukan batas-batasnya (boundary detection). Dinamakan transformasi Hough karena penemu metode transformasi ini bernama Paul Hough. Tahun 1962, awalnya ia hanya bertujuan untuk mendeteksi adanya garis lurus dalam suatu citra. (Darma Putra, 2010: 222). Nixon (2002: 173) mengemukakan "The Hough Transform (HT) is a technique that locates shapes in images. In particular, it has been used to extract lines, circles and ellipses (or conic sections)", yang berarti "Transformasi Hough (HT) adalah teknik yang digunakan untuk menempatkan suatu bentuk dalam gambar. Secara khusus, ia telah digunakan untuk mengekstrak garis, lingkaran, dan elips (atau bagian lain yang berbentuk kerucut)". Leavers (1992: 17) punya pendapat lain yang serupa "The Hough transform is classed as a method of performing efficient binary convolutions of the shape model with the edge image", maksudnya "Transformasi

28

Hough digolongkan sebagai metode untuk melakukan konvolusi biner yang efisien dari model suatu bentuk dengan gambar tepi".

Gambar 8. Diagram alur dari algoritma Hough Transform (Sumber: Leavers, 1992: 143) Darma Putra (2010: 223) mengemukakan, tujuan utama dari sebuah transformasi yakni untuk mendapatkan suatu fitur yang lebih spesifik, maka dari itu classical Hough transform diciptakan sebagai teknik yang paling umum digunakan untuk mendeteksi objek yang berbentuk kurva, layaknya garis, lingkaran, elips, dan parabola.

29

Keuntungan utama dengan adanya transformasi Hough ini yakni dapat mendeteksi sebuah tepian dengan celah pada batas fitur dan secara relatif tidak terpengaruh dengan adanya noise atau derau. Transformasi Hough Circle atau lingkaran, menurut Darma Putra (2010: 224), memiliki proses yang terdiri dari tiga bagian dasar, antara lain: a.

Deteksi tepi, yang bertujuan untuk menurunkan jumlah titik dalam pencarian ruang bagi objek. Ketika titik tepi ditemukan oleh pendeteksi tepi, algoritma transformasi Hough bekerja hanya pada titik yang terdeteksi tersebut. Deteksi tepi biasanya menggunakan pendeteksi tepi Canny, Roberts Cross, atau Sobel, yang bertujuan memaksimalkan sinyal pada rasio noise dan lokalisasi serta dapat meminimalisasi kesalahan pada deteksi tepi.

b.

Penggambaran lingkaran, sepanjang tepian yang telah ditemukan dengan jarijari sebesar r. Setelah penggambaran lingkaran sepanjang garis tepian selesai, maka selanjutnya mencari daerah yang paling banyak dilewati garis, lalu daerah tersebut di-asumsi-kan sebagai titik tengah citra yang dicari, seperti pada ilustrasi Gambar 9 berikut.

30

Gambar 9. Pemanfaatan transformasi Hough untuk mendeteksi batas-batas iris dan pupil: (a) Citra asli, (b) Citra deteksi tepi Canny, (c) Deteksi lingkaran luar dari iris, (d) Deteksi lingkaran dalam iris (batas antara iris dengan pupil) (Sumber: Darma Putra, 2010: 227)

c.

Akumulator, merupakan sebuah deret array yang dimanfaatkan agar transformasi Hough dapat bekerja. Array akumulator ini mempunyai dimensi yang berbeda-beda, tergantung dari jumlah parameter dari objek yang dicari. Semisal, pada transformasi Hough Lines atau garis, memerlukan dua parameter, yakni r dan θ, maka dibentuklah sebuah deret array akumulator yang berdimensi dua. Pencarian kemudian dilakukan pada sebuah area pixel dengan mencari kemungkinan hubungan atau garis yang ada. Setiap kemungkinan garis dihitung 31

nilai r dan θ-nya terhadap titik pusat. Kemudian nilai r dan θ disimpan dari setiap kemungkinan hubungan tersebut pada array akumulator. Nantinya, nilai-nilai pada akumulator akan dipetakan ke dalam sebuah grafik yang dinamakan grafik akumulator dengan θ sebagai absis dan r sebagai ordinat. Berikut merupakan contoh citra input dan bentuk grafik akumulatornya:

Gambar 10. Transformasi HoughCircle (Sumber: Nixon & Aguado, 2002: 181)

32

7.

Microsoft Visual Studio 2012 Microsoft Visual Studio 2012 merupakan lingkungan terpadu dalam pembuatan

program IDE (Integrated Developmet Environment) buatan Microsoft. Terdapat dalam paket program Visual Studio 2012 yang terintegrasi dengan Visual Studio 2012, Visual C++ 2012, Visual F#, dan Visual C# 2012. Visual Studio 2012 sudah menggunakan .NET Framework 4.5 untuk Windows 8 ke atas dan sebagai database default (bawaan dari sistem) -nya adalah SQL Server 2012. Visual Studio 2012 merupakan versi pengembangan

dari

Visual

Studio

(Yuniar Supardi, 2015: 1).

Gambar 11. Tampilan antarmuka Microsoft Visual Studio 2012 (Sumber: Dokumentasi Pribadi)

33

2010

8.

EmguCV Budiman Putra A.R. (2017: 13) mengungkapkan bahwa EmguCV adalah .NET

wrapper (penerjemah) dari library OpenCV untuk penggunaan cross-platform (lintas platform) dan cross-language (lintas bahasa pemrograman). Melalui library ini, fungsi-fungsi dalam OpenCV dapat dipanggil dalam bahasa pemrograman .NET, seperti C#, VB, C++, dan IronPython. Wrapper ini dapat dikompilasikan dengan Visual Studio, Xamarin Studio, dan Unity. Selain itu, EmguCV juga dapat berjalan di berbagai sistem operasi seperti Windows, Linux, MacOS X, Android, dan Windows Phone. Hal tersebut merupakan kelebihan utama dari EmguCV.Arsitektur EmguCV dapat dilihat pada gambar 12 berikut.

Gambar 12. Arsitektur EmguCV (Sumber: Budiman Putra A.R., 2017: 15)

34

-

Layer 1 (layer dasar) terdiri atas fungsi, struktur, dan yang berhubungan langsung dengan library OpenCV. Misalnya Emgu.CV.Structure yang berkorelasi langsung dengan fungsi struktur OpenCV; CvEnum berkorelasi langsung dengan enumerasi dalam OpenCV; serta class CVInvoke yang berkorelasi dengan fungsi OpenCV.

-

Layer 2 terdiri atas semua class yang berhubungan dengan kerangka kerja .NET. Misalnya class: Image, Matrix, dan HaarCascade. Untuk perbandingan fitur berbagai versi EmguCV pada sistem operasi Windows

dapat dilihat pada Tabel 2 berikut: Tabel 2: Perbandingan fitur EmguCV berbagai versi (Sumber: Budiman Putra A.R., 2017: 17)

35

9.

Mata Kuliah Penginderaan Visual Robot Penginderaan Visual Robot merupakan mata kuliah baru yang terdapat pada

program studi Pendidikan Teknik Mekatronika. Terbilang baru dikarenakan mata kuliah ini baru diajarkan pada tahun ajaran 2016/2017. Mengacu pada Buku Peraturan Kurikulum 2014 Jurusan Pendidikan Teknik Elektro UNY, mata kuliah ini mempraktikkan pengolahan citra digital yang meliputi operasi aritmatik dan geometri, filtering dan konvolusi, transformasi Fourier, histogram citra, segmentasi citra, kompresi dan dekompresi citra, watermarking, serta pengenalan pola. Mata kuliah ini menerapkan keilmuan tentang penginderaan visual robot dengan menggunakan sensor utama berupa kamera webcam. Teori-teori dasar visual robot diberikan pada mata kuliah ini, seperti segmentasi warna (HSV, RGB) dan akses kamera (VideoCapture). Saat pelaksanaan kuliah, mahasiswa lebih diarahkan pada latihan-latihan pembuatan algoritma mengolah sebuah citra visual, baik berupa gambar maupun video yang melalui kamera webcam. Metode yang digunakan dosen masih menggunakan cara lama, menjelaskan teori terlebih dahulu, lalu langsung mempraktikkan mencoba mengolah citra visual, dan di akhir perkuliahan memberi penugasan kepada para mahasiswa. Namun, setelah peneliti melakukan observasi, pembelajaran pada mata kuliah ini masih perlu memerlukan media pembelajaran yang mendukung sehingga peserta didik dapat memahami lebih luas tentang visual robot. Media pembelajaran penginderaan visual robot yang baik dapat memberikan rangsangan kepada peserta sebagai wahana praktikum dan penambah ilmu khususnya

36

di bidang penginderaan visual robot. Berbagai jenis algoritma metode perubahan gambar yang terdapat pada media pembelajaran penginderaan visual robot tersebut dapat mendukung pengetahuan peserta didik pada saat bekerja di dunia industri maupun dalam bidang lainnya. Oleh karena itu, media pembelajaran penginderaan visual robot yang memadai sangat diperlukan guna mendukung kompetensi yang diharapkan pada bidang penginderaan visual robot, sehingga dapat tercapai dengan baik.

B.

Penelitian yang Relevan

1.

Penelitian Doni Kurniawan (2017), Jurusan Pendidikan Teknik Elektro, Universitas Negeri Yogyakarta dengan judul “Pengembangan Trainer Kit Sensor Kamera Menggunakan Raspberry Pi Sebagai Media Pembelajaran Robotika”. Tujuan dari penelitian ini untuk mengetahui: (1) pengembangan trainer kit sensor kamera menggunakan Raspberry Pi sebagai media pembelajaran robotika, (2) unjuk kerja trainer kit sensor kamera menggunakan Raspberry Pi sebagai media pembelajaran robotika, dan (3) tingkat kelayakan trainer kit sensor kamera menggunakan Raspberry Pi sebagai media pembelajaran robotika. Penelitian ini menggunakan jenis metode penelitian dan pengembangan (Research and Development) berdasarkan langkah-langkah yang dikemukakan oleh Robert Maribe Branch, yakni model ADDIE, diantaranya: (1) analisis, (2) desain, (3) pengembangan, (4) implementasi, dan (5) evaluasi.

37

Subjek penelitian ini adalah media pembelajaran berupa trainer kit sensor kamera menggunakan Raspberry Pi sebagai media pembelajaran robotika yang diujikan pada ahli materi, ahli media, dan 16 mahasiswa Program Studi Mekatronika Univeritas Negeri Yogyakarta. Data yang dikumpulkan pada penelitian ini menggunakan instrumen angket dengan skala Likert 4 pilihan. Hasil penelitian ini diketahui bahwa: (1) proses pengembangan media pembelajaran trainer kit sensor kamera menggunakan Raspberry Pi ada tiga langkah, antara lain: (a) menganalisis permasalahan, (b) mengidentifikasi komponen trainer kit sensor kamera menggunakan Raspberry Pi, (c) merakit trainer kit sensor kamera, membuat program, membuat materi dan jobsheet, melakukan uji blackbox, dan melakukan uji kelayakan trainer kit sensor kamera; (2) unjuk kerja media pembelajaran sensor kamera menggunakan Raspberry Pi yaitu dapat mendeteksi dan menentukan posisi benda berbentuk lingkaran, (3) tingkat kelayakan media pembelajaran sensor kamera menggunakan Raspberry Pi dari segi media, materi, dan uji pengguna masuk dalam kategori “layak”. 2.

Penelitian Arif Nugroho (2016), Jurusan Pendidikan Teknik Elektro, Universitas Negeri Yogyakarta dengan judul “Pengembangan Media Pembelajaran Robotika Menggunakan Mobile Robot Manipulator Berbasis Komunikasi Data Wi-Fi Dengan Protokol TCP/IP”. Tujuan dari penelitian ini untuk mengetahui: (1) mengetahui pengembangan robot manipulator, (2) mengetahui unjuk kerja robot manipulator, (3) mengetahui tingkat kelayakan robot manipulator, (4)

38

mengetahui pencapaian hasil belajar peserta didik pada mata kuliah Praktik Robotika.

Penelitian

ini

menggunakan

jenis

metode

penelitian

dan

pengembangan (Research and Development) berdasarkan langkah-langkah yang dikemukakan oleh Robert Maribe Branch, di antaranya: (1) analisis, (2) desain, (3) pengembangan, (4) implementasi, dan (5) evaluasi. Metode pengumpulan data menggunakan angket dan tes berupa pretest dan posttest. Pengujian kelayakan produk dilakukan oleh ahli media, ahli, materi, dan uji pengguna terhadap 14 mahasiswa pendidikan teknik mekatronika yang menempuh mata kuliah prkatik robotika. Teknik analisis datanya menggunakan analisis deskriptif. Hasil penelitiannya adalah sebagai berikut: (1) pengembangan sistem komunikasi robot manipulator menggunakan protokol TCP/IP client server, sedangkan pengolahan citra digitalnya menggunakan metode thresholding, gaussian blur, dilation, erosion, dan circle hough transform, (2) aplikasi server robot manipulator dapat berkomunikasi dengan aplikasi client pada PC (personal computer) pengguna, dapat menentukan arah objek melalui kamera webcam, dan radius mendeteksi objek dengan jarak maksimum 1 meter, (3) tingkat kelayakan robot manipulator berdasar penilaian ahli media, ahli materi, dan uji pengguna peserta didik mendapat kategori “sangat layak”, (4) hasil penelitian pretest mendapat nilai rata-rata 30,35, sedangkan hasil posttest mendapat nilai rata-rata 60,71, yang berarti penggunaan robot manipulator sebagai media pembelajaran dapat meningkatkan nilai rata-rata sebesar 30,35.

39

3.

Penelitian Ahmad Fajar Nugroho (2016), Jurusan Pendidikan Teknik Elektro, Universitas Negeri Yogyakarta dengan judul “Pengembangan Media Pembelajaran Robotika Berbentuk Pendeteksi Kemiringan Robot Menggunakan Graphical User Interface”. Tujuan dari penelitian ini untuk mengetahui: (1) unjuk kerja media pembelajaran pendeteksi kemiringan robot menggunakan graphical user interface, dan (2) tingkat kelayakan media pembelajaran pendeteksi kemiringan robot untuk mahasiswa Pendidikan Teknik Mekatronika UNY. Penelitian ini menggunakan jenis metode penelitian dan pengembangan (Research and Development) berdasarkan langkah-langkah yang dikemukakan oleh Robert Maribe Branch, di antaranya: (1) analisis, (2) desain, (3) pengembangan, (4) implementasi, dan (5) evaluasi. Subyek penelitian ini adalah media pembelajaran pendeteksi kemiringan robot menggunakan Graphical User Interface yang diujikan pada ahli materi, ahli media, dan 20 mahasiswa Program Studi Mekatronika Univeritas Negeri Yogyakarta. Data yang dikumpulkan pada penelitian ini menggunakan instrumen angket. Pengujian validitas setiap instrumen menggunakan uji validitas konstruk dan isi. Analisis data dilakukan dengan analisis deskriptif. Hasil penelitian ini diketahui bahwa: (1) media pembelajaran berbentuk pendeteksi kemiringan robot menggunakan graphical user interface dapat menstabilkan posisi kemiringan pada saat posisi alat dalam keadaan miring. Unjuk kerja pendeteksi kemiringan robot dapat menstabilkan posisi kemiringan secara acak dengan toleransi nilai sudut kemiringan sampai 1

40

derajat, (2) kelayakan media pembelajaran pendeteksi kemiringan robot menggunakan graphical user interface dilihat dari aspek kualitas isi dan tujuan mendapatkan nilai rata-rata 19,80 dari nilai maksimal 24 dengan kategori “sangat layak”, aspek kualitas pembelajaran mendapatkan nilai rata-rata 23,20 dari nilai maksimal 28 dengan kategori “sangat layak”, dan aspek kualitas teknis mendapatkan nilai rata-rata 12,55 dari nilai maksimal 16 dengan kategori “layak”. . C.

Kerangka Berfikir Pembelajaran penginderaan visual robot memerlukan media pembelajaran yang

relevan, lebih bervariasi, dan inovatif. Progam Studi Pendidikan Teknik Mekatronika, Universitas Negeri Yogyakarta yang mempunyai mata kuliah penginderaan visual robot (teori dan praktik) perlu menggunakan media pembelajaran yang sesuai, agar tujuan pembelajaran dan kompetensi yang diinginkan tercapai. Pengetahuan dasar dan pemrograman dalam penginderaan visual robot merupakan kompetensi yang perlu dicapai oleh peserta didik, mengingat dalam sistem pengolahan citra digital, terlebih pada sebuah robot ataupun alat otomasi industri yang memiliki setidaknya satu sensor kamera agar dapat bekerja secara optimal, sehingga, perlu media pembelajaran yang mendukung kompetensi dasar dan pemrograman pada sensor kamera yang digunakan dalam sebuah sistem pengolahan citra digital.

41

Media pembelajaran aplikasi pendeteksi objek lingkaran diharapkan dapat membantu peserta didik memahami kompetensi yang diajarkan pada pembelajaran penginderaan visual robot, selain itu, dapat membantu pendidik untuk mengajarkan materi dasar terkait pemrograman penginderaan visual robot. Saat perancangannya, media pembelajaran akan dikembangkan dalam beberapa tahap, yaitu (1) Identifikasi masalah pada pembelajaran penginderaan visual robot Program Studi Pendidikan Teknik Mekatronika, Universitas Negeri Yogyakarta; (2) Analisis kebutuhan pada pembuatan media pembelajaran; (3) Pembuatan desain dan perancangan media pembelajaran aplikasi pendeteksi objek lingkaran, yang akan menjadi media pembelajaran penginderaan visual robot; (4) Uji kelayakan aplikasi oleh ahli media dan ahli materi; (5) Penyempurnaan media sesuai saran ahli media dan ahli materi; (6) Uji coba media pada kelas standar pada kegiatan belajar mengajar untuk mengukur keefektifan hasil belajar pada pembelajaran penginderaan visual robot; (7) Penyempurnaan akhir media pembelajaran penginderaan visual robot. Berdasarkan penjelasan tersebut, dapat dibuat kerangka berfikir sesuai dengan gambar 13.

42

Identifikasi masalah pada pembelajaran penginderaan visual robot

Uji coba media aplikasi pada kelas standar

Analisis kebutuhan pembuatan media pembelajaran penginderaan visual robot

Pembuatan desain dan perancangan media aplikasi

Penyempurnaan media aplikasi sesuai saran para ahli

Uji kelayakan media aplikasi oleh ahli materi dan ahli media

Penyempurnaan akhir media pembelajaran penginderaan visual robot

Gambar 13. Kerangka Berfikir Peneliti

D.

Pertanyaan Penelitian Berdasarkan uraian kajian teori dan kerangka pikir yang telah disebutkan, dapat

ditarik simpulan melalui beberapa pertanyaan penelitian berikut: 1.

Bagaimana unjuk kerja media pembelajaran aplikasi pendeteksi objek lingkaran menggunakan metode HoughCircle, yang meliputi jumlah lingkaran yang dapat dideteksi, keakuratan data objek yang dideteksi, dan warna Draw Circle?

2.

Bagaimana tingkat kelayakan media pembelajaran aplikasi pendeteksi objek lingkaran untuk mahasiswa Pendidikan Teknik Mekatronika UNY ditinjau dari ahli materi, ahli media, dan hasil uji coba pada pengguna?

43

BAB III METODE PENELITIAN A.

Model Penelitian Penelitian ini adalah penelitian pengembangan aplikasi pendeteksi objek

lingkaran berbasis bahasa C# dengan software Microsoft Visual Studio dan library EmguCV. Pengembangan yang dilakukan sesuai dengan teori yang dikemukakan oleh Robert Maribe Branch (2009: 2) dengan model ADDIE (Analyze, Design, Develop, Implement,

Evaluate).

Model

pengembangan

ADDIE

merupakan

model

pengembangan untuk membangun sistem berupa perangkat keras maupun perangkat lunak dilengkapi dengan langkah yang berurutan dalam membuat sistem tersebut sehingga model penelitian inilah yang digunakan peneliti dalam mengembangkan media pembelajaran aplikasi pendeteksi objek lingkaran.

B.

Prosedur Pengembangan Sesuai dengan model ADDIE, prosedur pengembangan yang dilakukan

meliputi: 1.

Analisis (Analyze) Analisis dilakukan dengan cara observasi langsung pada pembelajaran

penginderaan visual robot. Pengamatan dilakukan pada kegiatan peserta didik selama kegiatan belajar mengajar berlangsung, mengamati dinamika dan problematika, serta rencana penyelesaiannya. Hasil yang didapatkan ialah: Belum adanya media

44

pembelajaran yang berfungsi sebagai pengenalan dasar pemrograman deteksi sebuah objek lingkaran untuk mata kuliah penginderaan visual robot, program keahlian mekatronika. Hal tersebut menjadi dasar dilakukannya penelitian ini.

2.

Perancangan Media (Design) Tahapan yang dilakukan dalam merancang media pembelajaran aplikasi

pendeteksi objek lingkaran ini ialah: a.

Identifikasi komponen dalam aplikasi yang akan digunakan untuk membuat rancang bangun media pembelajaran aplikasi pendeteksi objek lingkaran.

b.

Perancangan desain media pembelajaran aplikasi pendeteksi objek lingkaran sehingga mudah dioperasikan dan dipahami.

c.

Perancangan tata letak komponen dalam aplikasi yang digunakan pada media pembelajaran aplikasi pendeteksi objek lingkaran.

d.

Pembuatan program yang akan digunakan pada media pembelajaran aplikasi pendeteksi objek lingkaran.

e.

Perancangan urutan kerja dan petunjuk penggunaan aplikasi.

45

3.

Pembuatan dan Pengembangan Media (Develop) Pengembangan yang dilakukan meliputi berbagai tahap, diantaranya:

a.

Pembuatan perangkat lunak media pembelajaran aplikasi pendeteksi objek lingkaran.

b.

Penyusunan komponen aplikasi yang digunakan pada media pembelajaran aplikasi pendeteksi objek lingkaran.

c.

Pembuatan program sehingga media pembelajaran aplikasi pendeteksi objek lingkaran bisa menjadi sebuah aplikasi yang layak digunakan.

d.

Pengujian aplikasi pendeteksi objek lingkaran sebagai media pembelajaran penginderaan visual robot.

e.

Membuat materi, panduan penggunaan, dan tugas-tugas dalam jobsheet yang dapat membuat peserta didik mencapai tujuan pembelajaran.

f.

Melakukan uji blackbox.

g.

Melakukan uji kelayakan media dan materi kepada ahli media dan ahli materi.

h.

Melakukan perbaikan.

46

4.

Implementasi (Implement) Tahap ini dilakukan pada praktik penginderaan visual robot dengan dua proses

yaitu: a.

Mempersiapkan pengajar Sebelum menguji media pembelajaran di dalam kelas, pengajar diberi penjelasan tentang cara penggunaan media pembelajaran aplikasi pendeteksi objek lingkaran, kemudian materi apa saja yang diperlukan sebelum menggunakan media pembelajaran tersebut.

b.

Mempersiapkan peserta didik Peserta didik diberi persiapan berupa penjelasan komponen dalam aplikasi yang digunakan pada media pembelajaran aplikasi pendeteksi objek lingkaran serta fungsi masing-masing komponen sebelum peserta didik mencoba menggunakan media pembelajaran tersebut.

5.

Evaluasi (Evaluate) Evaluasi media dilakukan dengan berbagai tahap agar media dapat digunakan

dengan baik. Berbagai tahapan tersebut diantaranya :

a.

Pengujian awal produk Produk akan menempuh pengujian awal setelah selesai dibuat. Cara pengujian

produk diantaranya: penyesuaian hasil pembuatan produk dengan perencanaan

47

pembuatan, pengujian oleh para ahli tentang kesesuaian media dengan materi yang dirancang.

b.

Pengujian produk pada kelompok standar Dengan berbagai penyempurnaan setelah pengujian pada para ahli, dilakukan

pengujian pada suatu kelompok standar dengan responden peserta didik yang sebenarnya pada satu kelas. Kelas yang akan menjadi responden peneliti adalah satu kelas praktik penginderaan visual robot. Proses selanjutnya yaitu penjelasan tentang produk yang dibuat, dilanjutkan dengan praktikum para peserta didik menggunakan produk yang telah dikembangkan. Lalu, pada akhir pembelajaran, peserta didik diminta untuk mengerjakan angket untuk mengetahui kelayakan media yang baru saja digunakan.

C.

Tempat dan Waktu Penelitian Peneltian dilakukan mulai bulan April 2018 sampai Mei 2018. Lokasi yang

menjadi tempat penelitian yaitu Program Studi Pendidikan Teknik Mekatronika, Jurusan Pendidikan Teknik Elektro, Universitas Negeri Yogyakarta.

D.

Subyek Penelitian Subyek penelitian yaitu media pembelajaran aplikasi pendeteksi objek lingkaran

menggunakan metode HoughCircle, yang diujikan pada ahli materi, ahli media, dan

48

mahasiswa Program Studi Pendidikan Teknik Mekatronika, Fakultas Teknik, Universitas Negeri Yogyakarta.

E.

Teknik Pengumpulan Data Teori yang dikemukakan oleh Sugiyono (2016: 137) mengungkapkan bahwa

terdapat dua hal utama yang mempengaruhi kualitas data hasil penelitian, yakni 1) kualitas instrumen penelitian dan 2) kualitas pengumpulan data. Kualitas instrumen penelitian berkaitan dengan validitas dan realibilitas instrumen, sedangkan kualitas pengambilan data berkenaan ketepatan cara yang digunakan untuk mengambil data. Pengambilan data pada penelitian ini menggunakan instrumen penelitian lewat angket yang di dalamnya terdapat kuesioner. Sugiyono (2016: 142) menyatakan, kuesioner merupakan teknik pengumpulan data dengan cara memberi seperangkat pertanyaan atau pernyataan tertulis kepada responden untuk dijawabnya. Isi yang terdapat pada angket tersebut mengacu pada tingkat kelayakan media pembelajaran dan materi pembelajaran sesuai dengan media yang dikembangkan.

F.

Instrumen Penelitian Penelitian kuantitatif menurut Sugiyono (2016 : 222), yang menjadi instrumen

atau alat penelitian adalah sang peneliti sendiri. Oleh karena itu peneliti sebagai instrumen juga harus siap “divalidasi” seberapa jauh peneliti kualitatif siap melakukan penelitian yang selanjutnya terjun di lapangan. Penelitian ini menggunakan instrumen

49

berupa angket untuk melihat tingkat kelayakan media pembelajaran. Instrumen penelitian diadopsi dari laporan penelitian Doni Kurniawan (2017) dan disesuaikan dengan media pembelajaran yang dikembangkan. Laporan tersebut mengemukakan, instrumen yang digunakan meliputi : 1.

Uji Blackbox Dilakukan untuk menguji semua fungsi yang terdapat pada media pembelajaran.

Uji blackbox dilakukan dengan cara mengisi kolom kesesuaian media pembelajaran berdasarkan fungsi masing-masing yang mencakup fungsi perangkat keras dan fungsi perangkat lunak. Kisi-kisi untuk pengujian blackbox dapat dilihat pada Tabel 3. Kisikisi pada uji blackbox ini mengacu pada penjelasan menurut Pressman (2001: 705).

Tabel 3. Kisi-kisi Uji Blackbox No. Kriteria Indikator 1 Uji perangkat lunak Pengujian pengaturan sensor kamera Pengujian hasil pengolahan citra Pengujian komponen GUI Pengujian keakuratan data objek terdeteksi Pengujian library EmguCV 2 Uji kinerja sistem Pengujian kinerja sistem secara keseluruhan

2.

No. Butir 1 2–5 6 – 16 17 – 19 20 21 – 25

Instrumen kelayakan media pembelajaran Digunakan untuk mengukur tingkat kelayakan media pembelajaran berupa

angket. Angket tersebut terdiri dari berbagai pertanyaan yang diisi sesuai keadaan

50

media yang sebenarnya dan komentar responden. Ada enam kriteria yang diberikan pada kisi instrumen untuk menilai kelayakan media pembelajaran pada Tabel 4. Tabel 4. Kisi-kisi instrumen kelayakan media pembelajaran No. Kriteria Indikator 1. Kesesuaian dengan Mengetahui tujuan pembelajaran Tujuan dalam proses belajar mengajar Mengetahui tujuan media pembelajaran untuk mempermudah cara belajar peserta didik Mengetahui manfaat media Kesesuaian dengan pembelajaran untuk meningkatkan keaktifan peserta didik 2. Karakteristik Pembelajar atau siswa Mengetahui keterkaitan media pembelajaran dengan pelajaran lain 3. Kesesuaian dengan Mengetahui tingkat pengetahuan Materi Pembelajaran perangkat lunak pada media pembelajaran Mengetahui tingkat pengetahuan tentang gambaran umum media pembelajaran 4. Kesesuaian dengan Mengetahui tingkat pemahaman Teori bagian-bagian media pembelajaran

5. 6.

Kesesuaian dengan Gaya Belajar Siswa Kesesuaian dengan Kondisi Lingkungan, Fasilitas Pendukung, dan Waktu

No. Butir 1, 2 3, 4

5, 6 7, 8 9, 10

11, 12

13, 14

Mengetahui tingkat pemahaman dengan fungsi pada bagian-bagian media pembelajaran

15, 16

Mengetahui tingkat kemudahan dan ketertarikan pada media pembelajaran

17, 18

Mengetahui tingkat kecocokan media pembelajaran dengan sasaran dan lingkungan pembelajaran

19, 20

51

Kriteria umum yang perlu diperhatikan dalam pemilihan media pembelajaran, menurut Rudi Susilana dan Cepi Riyana (2009: 70), ada enam kriteria umum pemilihan sebuah media pembelajaran, antara lain: 

Pertama : Kesesuaian dengan Tujuan (instructional goals).



Kedua



Ketiga : Kesesuaian dengan Karakteristik Pembelajar atau siswa.



Keempat : Kesesuaian dengan Teori.



Kelima : Kesesuaian dengan Gaya Belajar Siswa.



Keenam : Kesesuaian dengan Kondisi Lingkungan, Fasilitas Pendukung, dan

: Kesesuaian dengan Materi Pembelajaran (instructional content).

Waktu.

3.

Instrumen kelayakan materi pada media pembelajaran Terdiri dari dua aspek untuk mengukur kelayakan materi pembelajaran pada saat

peserta didik menggunakan media pembelajaran yang dikembangkan. Aspek yang terdapat pada instrumen ini juga merupakan pengembangan dari pertanyaan tentang kriteria pengembangan media pembelajaran menurut Pudji Muljono (2007:21) pada Doni Kurniawan (2017: 42), kemudian digunakan pada instrumen penelitian Doni Kurniawan (2017). Ada empat kriteria sehingga dibuat kisi-kisi instrumen kelayakan materi pada media pembelajaran yang direpresentasikan pada Tabel 5.

52

Tabel 5. Kisi-kisi instrumen kelayakan materi pada media pembelajaran No Kriteria 1. Kelayakan isi

2.

Penyajian

3.

Kebahasaan

4.

Kegrafikaan

Indikator Kesesuaian materi dengan silabus Kompetensi yang diperoleh Kelengkapan materi yang diperoleh pada media pembelajaran Tingkat pemahaman materi yang diperoleh dari media pembelajaran Cakupan materi yang diperoleh dari media pembelajaran Kesesuaian antara kebutuhan peserta didik dengan media pembelajaran Kesesuaian materi dengan tuntutan lapangan kerja di DU/DI Teknik penyajian Pembelajaran Keterbacaan Kesesuaian kaidah Bahasa Indonesia Desain cover dan isi Kualitas cetakan dan jilidan

No. Butir 1 2 3 4–6 7–9 10, 11 12 13, 14 15, 16 17, 18 19, 20 21, 22 23, 24

Kriteria yang terdapat pada angket ini, diantaranya: a.

Relevansi materi Berfungsi mengukur kecocokan materi pada media pembelajaran dengan

kebutuhan materi peserta didik. b.

Penyajian Berfungsi mengukur tingkat penyajian materi media pembelajaran aplikasi

pendeteksi objek lingkaran sebagai media pembelajaran penginderaan visual robot. c.

Bahasa Kriteria yang digunakan untuk mengukur kesesuaian bahasa yang digunakan

dalam materi, yaitu keterbacaan dan tata bahasa.

53

d.

Kegrafikaan Kriteria yang digunakan untuk mengukur kualitas grafis yang digunakan dalam

materi, yaitu desain dan kualitas cetakan.

4.

Instrumen keefektifan media pembelajaran Digunakan untuk mengukur keefektifan media pembelajaran yang diperoleh

peserta didik (user) lewat angket. Kisi-kisi instrumen dapat dilihat pada Tabel 6. Tabel 6. Kisi-kisi instrumen keefektifan media pembelajaran No

1.

2.

3.

4.

Kriteria

Indikator

No. Butir 1 5 3 7 2 4 15 6 16, 18

Ketepatan Kepentingan Kelengkapan Kualitas isi dan tujuan Keseimbangan Minat atau perhatian Kesesuaian Memberikan kesempatan belajar Memberikan bantuan untuk belajar Kualitas Kualitas memotivasi instruksional / Dapat memberikan dampak bagi peserta 12, 14 pembelajaran didik Dapat membawa dampak bagi guru dan 13, 17 pembelajarannya Mudah digunakan 9 Kualitas teknis Kualitas tampilan atau tayangan 8, 11 Kualitas pengelolaan program 10 Media efektif terhadap peserta didik dalam 19 Kualitas efektivitas kegiatan pembelajaran dan efisiensi Media efisien terhadap kegiatan 20 pembelajaran peserta didik Aspek yang terdapat pada angket ini dijelaskan oleh Ahmad Fajar (2016: 39)

menurut Walker dan Hess dalam Cecep Kustandi dan Bambang Sutjipto (2013: 143).

54

Angket ini juga dapat menggambarkan keefektifan media pembelajaran saat digunakan oleh peserta didik.

G.

Pengujian Instrumen

1.

Validitas Instrumen Instrumen yang digunakan berupa angket dan tes yang selanjutnya akan diuji

validitasnya. Sugiyono (2016 : 177) dijelaskan bahwa, validitas dan reliabilitas instrumen penelitian merupakan hal yang utama dalam meningkatkan keefektifan proses pengumpulan data. Uji validitas yang akan ditempuh untuk instrumen angket dan tes ini berupa validitas isi, validitas konstruk, dan validitas empiris. Sugiyono (2016: 183) menyatakan bahwa pengujian validitas konstruk dapat digunakan pendapat ahli (expert judgement). Para ahli diminta pendapatnya tentang instrumen yang disusun. Para ahli akan memberikan keputusan: instrumen dapat digunakan tanpa perbaikan, ada perbaikan, atau rombak total. Jumlah tenaga ahli yang digunakan minimal tiga orang. Umumnya, mereka yang bergelar doktor sesuai lingkup penelitian. Sugiyono (2016: 189) mengungkapkan, untuk pengujian validitas isi dilakukan dengan membandingkan isi instrumen dengan materi pelajaran yang telah diajarkan. Secara teknis, pengujian validitas isi dapat dibantu dengan kisi-kisi instrumen, atau

55

matriks pengembangan instrumen. Kisi-kisi tersebut memuat butir-butir pertanyaan atau pernyataan. Uji validitas yang dilakukan yaitu dengan cara pemberian penilaian para ahli (Expert Judgement) yaitu dua orang dosen Pendidikan Teknik Elektro Fakultas Teknik Universitas Negeri Yogyakarta. Instrumen divalidasi sesuai kisi-kisi angket dan aspek yang diukur berdasarkan teori yang mendukung penelitian. Selanjutnya, dosen ahli tersebut memberikan komentar, kritik, dan saran sehingga angket yang digunakan dapat diperbaiki terlebih dahulu sebelum digunakan di lapangan. Proses selanjutnya yaitu pemberian keputusan oleh dosen ahli apakah instrumen layak digunakan tanpa revisi, layak digunakan dengan revisi, atau tidak layak digunakan.

2.

Reliabilitas Instrumen Suharsimi Arikunto (2013: 241) menyatakan, untuk mencari reliabilitas yang

berbentuk uraian atau angket dan skala bertingkat (rating scale) dapat diuji dengan rumus alpha. Skor pada masing-masing butir akan dicantumkan apa adanya. Sehingga, untuk memperoleh data tersebut diperlukan rumus alpha menurut Arikunto (2013:239) 𝑟11

𝑘 1 − ∑ 𝜎𝑖2 =( ) (1 − ) (𝑘 − 1) 𝜎𝑡2

56

Dengan keterangan ∶ r11

= reliabilitas instrumen

k

= banyaknya butir pertanyaan atau banyaknya soal

∑ σ2𝑖 = jumlah varians butir 𝜎𝑡2

= varians total

Hasil perhitungan reliabilitas instrumen dikategorikan sesuai dengan Sukiman (2012: 184) dapat dilihat pada Tabel 7. Tabel 7. Kategori Koefisien Reliabilitas Interval Koefisien (Alpha) 0,00 – 0,19 > 0,20 – 0,39 > 0,40 – 0,59 > 0,60 – 0,79 > 0,80 – 1,00

H.

Tingkat Reliabilitas Kurang Reliabel / Sangat Rendah Agak Reliabel / Rendah Cukup Reliabel / Cukup Reliabel / Tinggi Sangat Reliabel / Sangat Tinggi

Teknik Analisis Data Teknik analisis data yang digunakan pada penelitian ini merupakan analisis data

kelayakan. Analisis data kelayakan tersebut diperoleh dari instrumen penelitian berupa angket dengan skala Likert empat pilihan yang digunakan dalam kuesioner, yaitu : sangat setuju (4), setuju (3), kurang setuju (2), dan tidak setuju (1). Angket tersebut diisi oleh peserta didik sesuai dengan kelayakan media pembelajaran. Analisis yang digunakan yaitu analisis deskriptif dengan proses-proses meliputi :

57



Menentukan kelas interval berjumlah empat dengan kategori sangat layak, layak, kurang layak, dan tidak layak.



Menentukan skor maksimum dan skor minimum dengan rumus : 𝑆𝑚𝑖𝑛 = 1 × 𝑗𝑢𝑚𝑙𝑎ℎ 𝑏𝑢𝑡𝑖𝑟 𝑆𝑚𝑎𝑥 = 4 × 𝑗𝑢𝑚𝑙𝑎ℎ 𝑏𝑢𝑡𝑖𝑟



Menentukan nilai tengah ideal dan simpangan baku ideal dengan rumus : 𝑋𝑖 =

(𝑆𝑚𝑎𝑥 + 𝑆𝑚𝑖𝑛 ) 2

𝑆𝐵𝑖 = 

(𝑆𝑚𝑎𝑥 − 𝑆𝑚𝑖𝑛 ) 6

Mencari kategori kelayakan media pembelajaran menggunakan konversi skor ideal yang dijabarkan pada Tabel 8:

Tabel 8. Kriteria Kelayakan Media Pembelajaran (Mardapi, 2017: 146) Kriteria Kelayakan Media Pembelajaran Kategori Penilaian Skor Sangat Layak Xi + 1 SBi ≤ X Layak Xi ≤ X < Xi + 1 SBi Cukup Layak Xi – 1 SBi ≤ X < Xi Tidak Layak X < Xi – 1 SBi Tingkat kelayakan dapat dilihat berdasarkan skor penilaian pada Tabel 8. Skor tersebut dapat menjadi acuan terhadap hasil penilaian dari ahli media, ahli materi, dan pengguna. Skor yang diperoleh dari angket menunjukkan tingkat kelayakan produk aplikasi pendeteksi objek lingkaran menggunakan metode HoughCircle sebagai media pembelajaran mata kuliah penginderaan visual robot.

58

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

A.

Deskripsi Data Uji Coba

1.

Hasil Proses Analisis (Analyze) Peneliti pada tahap ini melaksanakan pengumpulan informasi dengan cara

melaksanakan

observasi

melalui

mengikuti

secara

langsung

pembelajaran

penginderaan visual robot di Jurusan Pendidikan Teknik Elektro. Beberapa hasil dari observasi ini, antara lain: a.

Mahasiswa mampu memahami dasar-dasar penginderaan visual robot. Pada kompetensi ini, tidak semua metode diajarkan kepada mahasiswa, seperti HoughCircle.

b.

Media pembelajaran untuk praktik penginderaan visual robot belum dikembangkan lebih lanjut. Selain itu, belum adanya media pembelajaran penginderaan visual robot, terutama yang mengajarkan metode HoughCircle.

c.

Keaktifan dan minat peserta didik terhadap mata kuliah penginderaan visual robot terbilang masih kurang.

d.

Perlu adanya penambahan pengetahuan kepada peserta didik tentang metode HoughCircle dan library selain OpenCV.

59

e.

Melaksanakan analisis kebutuhan dalam menentukan jenis media yang nantinya akan dikembangkan apakah sesuai dengan silabus atau tidak. Berdasarkan hasil simpulan dari observasi, maka media pembelajaran yang nantinya akan dikembangkan yakni sebuah aplikasi pendeteksi objek lingkaran menggunakan metode HoughCircle dan library EmguCV, nantinya akan digunakan sebagai media pembelajaran penginderaan visual robot, dan sudah memiliki Graphical User Interface (GUI) yang tertata rapi dan informatif.

2.

Hasil Proses Perancangan (Design)

a.

Software yang digunakan dalam pembuatan aplikasi pendeteksi objek lingkaran sebagai media pembelajaran penginderaan visual robot, yakni:

1)

Visual Studio 2012, digunakan dalam membuat tampilan graphical user interface (GUI) aplikasi pendeteksi objek lingkaran.

Gambar 14. Tampilan Visual Studio 2012

60

2)

EmguCV, berfungsi sebagai library (pustaka inti) yang melaksanakan proses pengolahan citra digital dalam aplikasi pendeteksi objek lingkaran.

b.

Media yang dideteksi, dibuat dengan software CorelDraw X7, dicetak dengan kertas bahan Ivory 230 dengan ukuran A4.

Gambar 15. Media yang dideteksi oleh aplikasi pendeteksi objek

61

c.

Flowchart (diagram alur)

Gambar 16. Flowchart media pembelajaran aplikasi pendeteksi objek

3.

Hasil Proses Pengembangan (Develop)

a.

Pembuatan program dan tampilan GUI aplikasi media pembelajaran menggunakan bantuan software Visual Studio 2012 dengan bahasa pemrograman C# dan library EmguCV. Program dibuat untuk pengolahan citra digital di dalam aplikasinya. Informasi data lingkaran yang ditampilkan berupa luas, diameter, dan jarak lingkaran terhadap webcam. Untuk mendeteksi 62

lingkaran secara akurat, tampilan GUI aplikasi dilengkapi dengan slider-slider yang berfungsi untuk mengonfigurasi setiap parameter dalam metode HoughCircle. Hasil dari pembuatan program dapat dilihat pada Lampiran 8.1.

Gambar 17. Tampilan Utama GUI Aplikasi Media Pembelajaran

b.

Tahap pengujian, digunakan untuk mengetahui kinerja media pembelajaran, sudahkah sesuai dengan rancangan yang telah dibuat ataukah belum. Berikut hasil yang didapat dari tahap pengujian:

1)

Pengujian Keakuratan Deteksi Bentuk oleh Aplikasi Tujuan dari pengujian ini adalah untuk mengetahui bagaimana seberapa akurat-

nya pendeteksian objek pada aplikasi pendeteksi objek lingkaran yang sudah dibuat. Hasil pengujian berupa keakuratan deteksi bentuk lingkaran yang diproses oleh aplikasi. Aplikasi hanya bisa mendeteksi objek berbentuk lingkaran saja, seperti pada Tabel 9.

63

Tabel 9. Keakuratan bentuk yang dideteksi aplikasi Bentuk Lingkaran Segi tiga Persegi Bujur Sangkar Segi enam

2)

Terdeteksi? Iya Tidak Tidak Tidak Tidak

Pengujian Keakuratan Deteksi Ukuran oleh Aplikasi Tujuan dari pengujian ini adalah untuk mengetahui bagaimana seberapa akurat-

nya pendeteksian ukuran objek pada aplikasi pendeteksi objek lingkaran yang sudah dibuat. Hasil pengujian berupa keakuratan deteksi ukuran diameter dan jarak lingkaran yang diproses oleh aplikasi, ditunjukkan pada Tabel 10 hingga Tabel 16. Tabel 10. Pengukuran jarak yang bisa dideteksi dengan objek berdiameter 5,5 cm Dapat Jarak Objek Jarak pada Persentase Mendeteksi? Sebenarnya (cm) Aplikasi (cm) Kesalahan Ya 10 22,2 122% Ya 15 19,8 32% Ya 20 18,5 7,5% Ya 25 17,6 29,6% Ya 30 17,1 43% Ya 35 16,5 52,86% Ya 40 16,2 59,5% Ya 50 15,8 68,4% Ya 70 15,6 77,71% Rata-rata Persentase Kesalahan Keseluruhan 20,5%

64

Tabel 11. Pengukuran jarak yang bisa dideteksi dengan objek berdiameter 6,8 cm Dapat Jarak Objek Jarak pada Persentase Mendeteksi? Sebenarnya (cm) Aplikasi (cm) Kesalahan Ya 10 22,1 121% Ya 15 20,4 36% Ya 20 19,3 3,5% Ya 25 18,5 26% Ya 30 17,8 40,67% Ya 35 17,4 50,29% Ya 40 17,2 57% Ya 50 16,4 67,2% Ya 70 15,9 77,29% Rata-rata Persentase Kesalahan Keseluruhan 18,33% Tabel 12. Pengukuran jarak yang bisa dideteksi dengan objek berdiameter 7 cm Dapat Jarak Objek Jarak pada Persentase Mendeteksi? Sebenarnya (cm) Aplikasi (cm) Kesalahan Ya 10 24,1 141% Ya 15 21,5 43,33% Ya 20 19,6 2% Ya 25 19,2 23,2% Ya 30 18,2 39,33% Ya 35 17,8 49,14% Ya 40 17,3 56,75% Ya 50 16,8 66,4% Ya 70 16 77,14% Rata-rata Persentase Kesalahan Keseluruhan 14,4% Tabel 13. Pengukuran jarak yang bisa dideteksi dengan objek berdiameter 10 cm Dapat Jarak Objek Jarak pada Persentase Mendeteksi? Sebenarnya (cm) Aplikasi (cm) Kesalahan Tidak 10 Ya 15 26,2 74,67% Ya 20 22,6 13% Ya 25 22,2 11,2% Ya 30 19,7 34,33% Ya 35 19,4 44,57% Ya 40 18,8 53% Ya 50 17,9 64,2% Ya 70 16,8 76% Rata-rata Persentase Kesalahan Keseluruhan 24,45%

65

Tabel 14. Pengukuran jarak yang bisa dideteksi dengan objek berdiameter 12 cm Dapat Jarak Objek Jarak pada Persentase Mendeteksi? Sebenarnya (cm) Aplikasi (cm) Kesalahan Tidak 10 Tidak 15 Ya 20 26,1 30,5% Ya 25 24 4% Ya 30 22,4 25,33% Ya 35 21,4 38,86% Ya 40 20,2 49,5% Ya 50 18,5 63% Ya 70 17,4 75,14% Rata-rata Persentase Kesalahan Keseluruhan 32,19% Tabel 15. Pengukuran diameter objek oleh aplikasi pada jarak 20 cm Diameter Diameter Persentase Lingkaran Asli Lingkaran Pada Kesalahan (cm) Aplikasi (cm) 12 10,4 13,33% 10 8,5 15% 7 6 14,29% 6,8 7,2 5,88% 5,5 5 9,09% Rata-rata Persentase Kesalahan 9,17% Keseluruhan Tabel 16. Pengukuran jarak webcam terhadap media yang dideteksi oleh aplikasi Jarak yang Diameter Objek Jarak Persentase Dideteksi Lingkaran (cm) Sebenarnya (cm) Kesalahan Aplikasi (cm) 12 20 24,4 36,67% 10 20 22,5 25% 7 20 21.2 17,14% 6,8 20 20 0% 5,5 20 19 18,18% Rata-rata Persentase Kesalahan Keseluruhan 12,13%

66

c.

Pembuatan Materi Bahan Ajar, Panduan Penggunaan, dan Jobsheet Materi bahan ajar berisi materi yang dapat mendukung praktik jobsheet. Pada

bagian Panduan Penggunaan berisi langkah-langkah pengoperasian aplikasi dan cara membuat aplikasi. Pada bagian jobsheet berisi beberapa penugasan yang mendukung pembelajaran menggunakan media aplikasi pendeteksi objek lingkaran. Materi, panduan penggunaan, dan jobsheet tersedia pada Lampiran 9.

d.

Uji Blackbox Uji blackbox dilakukan pada perangkat lunak dari aplikasi pendeteksi objek

lingkaran sebagai media pembelajaran penginderaan visual robot. Berfungsi untuk mengetahui apakah semua fungsi dari komponen dalam GUI aplikasi dapat bekerja dengan baik tidak sebelum digunakan. Keterangan: 1)

Fungsi Tool strip menu dalam GUI digunakan sebagai pemilih port kamera sebelum menyalakan webcam.

2)

Fungsi imageBox 1 sebagai penampil citra asli dari webcam.

3)

Fungsi imageBox 2 sebagai penampil citra dari webcam yang sudah dirubah warnanya ke Grayscale.

4)

Fungsi imageBox 3 sebagai penampil citra asli dari webcam yang sudah ditambahkan metode HoughCircle dan DrawCircle.

67

5)

Fungsi imageBox 2 sebagai penampil citra dari webcam yang sudah dirubah warnanya ke Grayscale dan ditambahkan metode Gaussian Blur.

6)

Fungsi domain UpDown Gaussian Blur sebagai pengatur tingkat keburaman gambar.

7)

Fungsi trackbar Min Radius sebagai nilai minimal dari diameter lingkaran yang dideteksi.

8)

Fungsi trackbar Max Radius sebagai nilai maksimal dari diameter lingkaran yang dideteksi.

9)

Fungsi trackbar Canny Threshold sebagai parameter spesifik pertama pada metode HoughCircle.

10)

Fungsi trackbar Accumulator Threshold sebagai parameter spesifik kedua pada metode HoughCircle.

11)

Fungsi trackbar Overload sebagai nilai pembatas kesensitifan deteksi pada metode HoughCircle.

12)

Fungsi trackbar Radius sebagai nilai dari parameter diameter lingkaran yang dideteksi.

13)

Fungsi trackbar Ketebalan sebagai nilai dari parameter pengatur ketebalan penggambaran lingkaran.

14)

Fungsi trackbar Biru sebagai nilai dari parameter pengatur warna biru pada penggambaran lingkaran.

68

15)

Fungsi trackbar Hijau sebagai nilai dari parameter pengatur warna hijau pada penggambaran lingkaran.

16)

Fungsi trackbar Merah sebagai nilai dari parameter pengatur warna merah pada penggambaran lingkaran.

17)

Fungsi Deteksi Jumlah Lingkaran digunakan untuk menampilkan data jumlah lingkaran yang terdeteksi.

18)

Fungsi Deteksi Luas Lingkaran digunakan untuk menampilkan data luas lingkaran yang terdeteksi.

19)

Fungsi Deteksi Diameter Lingkaran digunakan untuk menampilkan data diameter lingkaran yang terdeteksi.

20)

Fungsi Library EmguCV digunakan untuk menyediakan fungsi-fungsi program dalam pengolahan citra digital.

21)

Fungsi kinerja media secara keseluruhan digunakan untuk mengetahui kinerja deteksi dan semua komponen dalam GUI apakah sudah bekerja secara optimal atau belum.

22)

Fungsi button Start berfungsi memulai menyalakan webcam dan menampilkan tampilan kamera dari webcam di imageBox dalam aplikasi.

23)

Fungsi button Pause berfungsi memberhentikan sementara tampilan kamera dari webcam.

24)

Fungsi button Stop berfungsi memberhentikan tampilan kamera dan mematikan webcam.

69

25)

Fungsi button viewCode berfungsi sebagai penampil kode dan diagram alur yang digunakan dalam membuat aplikasi pendeteksi objek lingkaran.

Hasil uji blackbox dapat dilihat pada tabel 17. Tabel 17. Uji Blackbox No. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

Keterangan Fungsi Tool strip menu pemilih port kamera Fungsi imageBox 1 (Citra Asli Kamera) Fungsi imageBox 2 (Grayscale) Fungsi imageBox 3 (Deteksi Lingkaran) Fungsi imageBox 4 (Grayscale + GaussianBlur) Fungsi domain UpDown Gaussian Blur Fungsi trackbar Min Radius Fungsi trackbar Max Radius Fungsi trackbar Canny Threshold Fungsi trackbar Accumulator Threshold Fungsi trackbar Overload Fungsi trackbar Radius Fungsi trackbar Ketebalan Fungsi trackbar Biru Fungsi trackbar Hijau Fungsi trackbar Merah Fungsi Deteksi Jumlah Lingkaran Fungsi Deteksi Luas Lingkaran Fungsi Deteksi Diameter Lingkaran Fungsi Library EmguCV Fungsi kinerja media secara keseluruhan Fungsi button Start Fungsi button Pause Fungsi button Stop Fungsi button viewCode

70

Fungsi Ya Tidak √ √ √ √ √ √ √ √ √ √ √ √ √ √ √ √ √ √ √ √ √ √ √ √ √

e.

Uji Kelayakan Media dan Materi oleh Ahli Media dan Ahli Materi Pengujian ini dilakukan menjadi dua bagian, yakni media dan materi,

dilaksanakan oleh masing-masing dua orang ahli (expert judgement). Keempat ahli ini merupakan dosen Jurusan Pendidikan Teknik Elektro UNY. Para ahli memberikan nilai pada media dan materi pembelajaran yang telah jadi. Hasil penilaian ahli media tersedia di Tabel 18 dan ahli materi pada Tabel 19. Tabel 18. Penilaian oleh Ahli Media No. Kesesuaian dengan No. Butir 1. Tujuan 1 2 3 4 2. Karakteristik 5 6 7 8 3. Materi 9 10 11 12 4. Teori 13 14 15 16 5. Gaya Belajar 17 18 6. Kondisi 19 20

71

Ahli 1 4 4 3 3 4 4 3 3 4 4 4 4 4 4 3 3 4 4 4 4

Ahli 2 3 3 4 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

Penilaian media pembelajaran pada segi media terbagi menjadi enam kesesuaian, yakni kesesuaian dengan tujuan, karakteristik, materi, teori, gaya belajar, dan kondisi. Enam kesesuaian tersebut berjumlah dua puluh butir indikator yang dinilai dua ahli media menggunakan skala likert empat pilihan, yakni skor 1 untuk penilaian menyatakan sangat tidak setuju, skor 2 untuk penilaian menyatakan tidak setuju, skor 3 untuk penilaian menyatakan setuju, skor 4 untuk penilaian menyatakan sangat setuju. Hasil penilaian para ahli media selanjutnya diproses pada analisis data. Tabel 19. Penilaian oleh Ahli Materi No. Kriteria No. Butir 1. Relevansi 1 2 3 4 5 6 7 8 9 10 11 12 2. Penyajian 13 14 15 16 3. Bahasa 17 18 19 20 4. Kegrafikaan 21 22 23 24

72

Ahli 1 4 3 3 4 4 4 4 4 4 4 4 3 3 3 4 4 4 3 3 4 3 3 3 3

Ahli 2 4 4 3 3 4 4 3 4 4 4 4 3 4 4 4 3 3 3 4 4 3 4 3 3

Penilaian materi pembelajaran pada segi materi terbagi menjadi empat kriteria, yakni relevansi, penyajian, bahasa, dan kegrafikaan. Empat kriteria tersebut berjumlah dua puluh empat butir indikator yang dinilai dua ahli materi menggunakan skala likert empat pilihan, yakni skor 1 untuk penilaian menyatakan sangat tidak setuju, skor 2 untuk penilaian menyatakan tidak setuju, skor 3 untuk penilaian menyatakan setuju, skor 4 untuk penilaian menyatakan sangat setuju. Hasil penilaian dari para ahli materi selanjutnya diproses pada analisis data.

f.

Melakukan Perbaikan Saran perbaikan diberikan para ahli media dan materi pada saat uji kelayakan

media dan materi. Perbaikan boleh saja tidak dilakukan, jika para ahli memutuskan media pembelajaran layak digunakan tanpa adanya suatu revisi. Hasil dari uji kelayakan media dan materi oleh ahli media dan materi, menyatakan bahwa media pembelajaran layak digunakan dengan perbaikan, sesuai dengan saran yang telah diberikan para ahli. Saran perbaikan media dapat dilihat pada Tabel 20, sedangkan saran perbaikan materi ada pada Tabel 21.

73

Tabel 20. Saran dan perbaikan pada media pembelajaran No. Validator Saran dan Perbaikan 1. Eko Prianto, M.Eng. - Objek lingkaran yang akan dideteksi sebaiknya dibuat satu persatu / tidak terlalu banyak dalam 1 halaman. - Kurang peka pada kondisi ruang yang tidak terlalu terang. - Sebaiknya diberikan informasi mengenai jarak objek dengan kamera agar hasil pendeteksian menghasilkan ukuran yang tepat. 2.

Andik Asmara, M.Pd.

-

-

Tambahkan / buat media yang dideteksi tidak hanya bulat, untuk membuktikan kalau hanya bisa deteksi bulat saja. Variasi warna dan bentuk lingkaran diperbanyak (bergaris tepi dan tidak bergaris tepi).

Tabel 21. Saran dan perbaikan pada materi pembelajaran No. Validator Saran dan Perbaikan 1. Moh. Khairudin, Ph.D. - Objek cari yang aplikatif, misal: bola. - Bahasa lisan harus dihindari. 2.

Sigit Yatmono, M.T.

-

Pada bidang uji (bundar.PDF) akan lebih baik jika terdapat bentuk lain selain lingkaran, misal kubus, sehingga tampak ada yang tidak terdeteksi.

74

4.

Hasil Proses Penerapan (Implement)

a.

Menyiapkan Pengajar Peneliti pada tahap ini memberikan penjelasan kepada pengajar tentang cara

penggunaan dan tahapan pengoperasian aplikasi pendeteksi objek lingkaran sebagai media pembelajaran penginderaan visual robot. Kemudian peneliti menunjukkan kepada pengajar materi yang diperlukan sesuai jobsheet, untuk dijelaskan kepada para peserta didik.

b.

Menyiapkan Peserta Didik Peserta didik pada tahap ini diberi pengetahuan awal tentang dasar visual robot,

lalu diberi pengetahuan tentang cara penggunaan dan tahapan pengoperasian aplikasi pendeteksi objek lingkaran sebagai media pembelajaran penginderaan visual robot, kemudian menyiapkan jobsheet, selanjutnya melaksanakan perintah yang ada di dalam jobsheet, sehingga mengetahui cara kerja aplikasi pendeteksi objek lingkaran sebagai media pembelajaran penginderaan visual robot. Setelah menyiapkan semua yang sudah diperlukan, masuklah pada implementasi aplikasi pendeteksi objek lingkaran sebagai media pembelajaran penginderaan visual robot. Hasil proses implementasinya ialah aplikasi pendeteksi objek lingkaran sebagai media pembelajaran penginderaan visual robot dapat berjalan dengan baik.

75

Gambar 18. Pendeteksian lingkaran pada objek lingkaran merah media

Gambar 19. Pendeteksian lingkaran pada objek lingkaran jingga media

76

Gambar 20. Pendeteksian lingkaran pada objek lingkaran kuning media

Gambar 21. Pendeteksian lingkaran pada objek lingkaran hijau media

77

Gambar 22. Pendeteksian lingkaran pada objek lingkaran ungu media

5.

Hasil Proses Evaluasi (Evaluate)

a.

Revisi Tahap Pertama Revisi media pembelajaran pada tahap pertama berdasarkan kritik dan saran,

baik dari ahi media maupun ahli materi. Masing-masing aspek dinilai oleh dua orang ahli. Revisi ini digunakan sebagai perbaikan media sebelum masuk pada tahap uji coba pengguna. Hasil revisi tahap pertama terdapat dalam beberapa gambar di bawah. Berikut secara garis besar seluruh kritik dan saran dari para ahli:

78

1)

Aspek media

a)

Media yang dideteksi sebaiknya dibuat dalam dua versi, versi pertama: berbentuk lingkaran satu persatu, versi kedua: dalam satu halaman terdapat objek lingkaran dan objek yang tidak berbentuk lingkaran yang mempunyai beberapa variasi konfigurasi.

b)

Tampilan GUI ditambahkan informasi yang dapat menampilkan jarak lingkaran terhadap webcam.

c)

Algoritma program dirubah agar bisa mendeteksi lingkaran walaupun dalam kondisi ruangan yang tidak terang sekalipun.

Gambar 23. Revisi media yang dideteksi

79

Gambar 24. Revisi tampilan GUI dan algoritma program media pembelajaran 2)

Aspek materi

a)

Objek cari yang aplikatif, misal: bola.

b)

Bahasa lisan harus dihindari.

c)

Bidang uji (bundar.PDF) akan lebih baik jika terdapat bentuk lain selain lingkaran, misal: kubus, sehingga tampak ada yang tidak terdeteksi.

Gambar 25. Revisi materi pada media pembelajaran

80

b.

Revisi Tahap Kedua Revisi pada tahap ini berdasar pada saran dan hasil uji coba produk pada uji

pengguna. Pengujian menggunakan dua puluh orang responden dari mahasiswa pendidikan teknik mekatronika angkatan 2015. Mahasiswa banyak memberi saran dari segi media, seperti: tampilan GUI nya mungkin lebih disederhanakan dan dirapikan lagi, slider parameter-nya mungkin bisa dikurangi jadi lebih sedikit, media bisa dikembangkan lebih menarik lagi apabila ditambahkan dengan hardware, pendeteksian lebih baik lagi bisa dilakukan secara otomatis tanpa konfigurasi yang terlalu banyak, dan bug aplikasi yang perlu dikurangi lagi.

B.

Analisis Data Data yang dianalisis merupakan data yang berasal dari penilaian ahli media dan

ahli materi, serta data dari hasil uji pengguna. 1.

Analisis Data Kelayakan Media dan Materi

a.

Ahli Media Penilaian kelayakan media diberikan oleh dua ahli media dari Jurusan

Pendidikan Teknik Elektro UNY. Masing-masing ahli memberikan nilai berdasar beberapa kesesuaian, antara lain: kesesuaian dengan tujuan, karakteristik, materi, teori, gaya belajar, dan kondisi. Nantinya nilai yang diberikan para ahli media akan diakumulasikan dan dibandingkan dengan kategori penilaian kelayakan media. Kategori penilaian kelayakan media dapat dilihat pada tabel 22.

81

Tabel 22. Kategori penilaian kelayakan media

Kategori Penilaian

Interval Tujuan

Sangat Layak

12 ≤ X 10 ≤ X< 12 8≤X < 10

Layak Cukup Layak Tidak Layak

X<8

Interval Karakteristik

12 ≤ X 10 ≤ X < 12 8 ≤ X < 10 X<8

Interval Materi

Interval Teori

12 ≤ X 10 ≤ X< 12 8≤X < 10

12 ≤ X 10 ≤ X< 12 8≤X < 10

X<8

X<8

Interval Gaya Belajar

Interval Kondisi

Keseluruhan

6≤X

6≤X

60 ≤ X

5≤X <6

5≤X <6

50 ≤ X < 60

4≤X <5

4≤X <5

40 ≤ X < 50

X<4

X<4

X < 40

Masing-masing kesesuaian memiliki interval yang berbeda pada setiap kategori penilaian. Nilai interval tersebut akan menjadi acuan untuk penentuan kategori penilaian terhadap data yang telah didapat. Untuk penilaian keseluruhan kesesuaian, dapat dikatakan kategori penilaian sangat layak apabila rerata skor (X) masuk pada interval nilai 60 ≤ X, penilaian layak apabila rerata skor (X) masuk pada interval nilai 50 ≤ X < 60, penilaian cukup layak apabila rerata skor (X) masuk pada interval nilai 40 ≤ X < 50, dan penilaian tidak layak apabila rerata skor (X) masuk pada interval nilai X < 40. Data yang didapat dari penilaian ahli media dapat dilihat pada tabel 23.

82

Tabel 23. Data hasil penilaian media

No.

Penilaian Kesesuaian dengan

Skor Max

Skor Min

1.

Tujuan

16

4

2.

Karakteristik

16

4

3.

Materi

16

4

4.

Teori

16

4

5.

Gaya Belajar

8

2

6.

Kondisi

8

2

80

20

Total

Nilai Persentase Rerata Tiap Kategori Tiap Kesesuaian Kesesuaian Sangat 13,5 84% Layak Sangat 13 81% Layak Sangat 14 88% Layak Sangat 13 81% Layak Sangat 7 88% Layak Sangat 7 88% Layak Sangat 67,5 84% Layak

Berdasar data yang telah diperoleh dari kedua ahli media, untuk penilaian kesesuaian dengan tujuan mendapat nilai rata-rata 13,5 dari nilai skor maksimal 16 dan skor minimal 4, yang berarti masuk dalam kategori sangat layak dengan persentase 84%. Kesesuaian dengan karakteristik mendapat nilai rata-rata 13 dari nilai skor maksimal 16 dan skor minimal 4, yang berarti masuk dalam kategori sangat layak dengan persentase 81%. Kesesuaian dengan materi mendapat nilai rata-rata 14 dari nilai skor maksimal 16 dan skor minimal 4, yang berarti masuk dalam kategori sangat layak dengan persentase 88%. Kesesuaian dengan teori mendapat nilai rata-rata 13 dari nilai skor maksimal 16 dan skor minimal 4, yang berarti masuk dalam kategori sangat

83

layak dengan persentase 81%. Kesesuaian dengan gaya belajar mendapat nilai ratarata 7 dari nilai skor maksimal 8 dan skor minimal 2, yang berarti masuk dalam kategori sangat layak dengan persentase 88%. Kesesuaian dengan kondisi mendapat nilai rata-rata 7 dari nilai skor maksimal 8 dan skor minimal 2, yang berarti masuk dalam kategori sangat layak dengan persentase 88%.

Dari hasil tersebut dapat

diperoleh skor rerata total uji kelayakan ahli media adalah 67,5 dari nilai maksimal 80 dan nilai minimal 20, yang berarti masuk dalam kategori sangat layak dengan persentase 84%.

b.

Ahli Materi Penilaian kelayakan materi diberikan oleh dua ahli materi dari Jurusan

Pendidikan Teknik Elektro UNY. Masing-masing ahli memberikan nilai berdasar beberapa kriteria, antara lain: kriteria relevansi, penyajian, bahasa, dan kegrafikaan. Nantinya nilai yang diberikan para ahli materi akan diakumulasikan dan dibandingkan dengan kategori penilaian kelayakan materi. Kategori penilaian kelayakan materi dapat dilihat pada tabel 24.

84

Tabel 24. Kategori penilaian kelayakan materi

Kategori Penilaian

Interval Relevansi

Interval Penyajian

Interval Bahasa

Interval Kegrafikaan

Keseluruhan

Sangat Layak

36 ≤ X

12 ≤ X

12 ≤ X

12 ≤ X

72 ≤ X

10 ≤ X < 12

60 ≤ X < 72

8 ≤ X < 10

48 ≤ X < 60

X<8

X < 48

Layak Cukup Layak Tidak Layak

30 ≤ X < 36 24 ≤ X < 30 X < 24

10 ≤ X < 12 8 ≤ X < 10 X<8

10 ≤ X < 12 8≤X< 10 X<8

Masing-masing kesesuaian memiliki interval yang berbeda pada setiap kategori penilaian. Nilai interval tersebut akan menjadi acuan untuk penentuan kategori penilaian terhadap data yang telah didapat. Untuk penilaian keseluruhan kriteria, dapat dikatakan kategori penilaian sangat layak apabila rerata skor (X) masuk pada interval nilai 72 ≤ X, penilaian layak apabila rerata skor (X) masuk pada interval nilai 60 ≤ X < 72, penilaian cukup layak apabila rerata skor (X) masuk pada interval nilai 48 ≤ X < 60, dan penilaian tidak layak apabila rerata skor (X) masuk pada interval nilai X < 48. Data yang didapat dari penilaian ahli materi dapat dilihat pada tabel 25.

85

Tabel 25. Data hasil penilaian materi

No.

Penilaian Kriteria

Skor Max

Skor Min

1.

Relevansi

48

12

2.

Penyajian

16

4

3.

Bahasa

16

4

4.

Kegrafikaan

16

4

Total

96

24

Nilai Persentase Rerata Tiap Kategori Tiap Kesesuaian Kesesuaian Sangat 44,5 93% Layak Sangat 14,5 91% Layak Sangat 14 88% Layak Sangat 12,5 78% Layak Sangat 85,5 89% Layak

Berdasar data yang telah diperoleh dari kedua ahli materi, untuk penilaian kriteria relevansi mendapat nilai rata-rata 44,5 dari nilai skor maksimal 48 dan skor minimal 12, yang berarti masuk dalam kategori sangat layak dengan persentase 93%. Kriteria penyajian mendapat nilai rata-rata 14,5 dari nilai skor maksimal 16 dan skor minimal 4, yang berarti masuk dalam kategori sangat layak dengan persentase 91%. Kriteria bahasa mendapat nilai rata-rata 14 dari nilai skor maksimal 16 dan skor minimal 4, yang berarti masuk dalam kategori sangat layak dengan persentase 88%. Kriteria kegrafikaan mendapat nilai rata-rata 12,5 dari nilai skor maksimal 16 dan skor minimal 4, yang berarti masuk dalam kategori sangat layak dengan persentase 78%. Dari hasil tersebut dapat diperoleh skor rerata total uji kelayakan ahli materi adalah

86

85,5 dari nilai maksimal 96 dan nilai minimal 24, yang berarti masuk dalam kategori sangat layak dengan persentase 89%. 2.

Uji Pengguna Pengujian ini dilakukan pada dua puluh mahasiswa program studi Pendidikan

Teknik Mekatronika angkatan 2015 yang mengikuti mata kuliah penginderaan visual robot. Dari nilai yang diberikan, nantinya akan diakumulasikan dan dibandingkan dengan kategori penilaian pengguna. Kategori penilaian pengguna dapat dilihat di tabel 26. Tabel 26. Kategori penilaian pengguna

Kategori Penilaian

Interval Isi & Tujuan

Interval Teknis

Interval Instruksional

Interval Efektivitas

Keseluruhan

Sangat Layak

18 ≤ X

12 ≤ X

24 ≤ X

6≤X

60 ≤ X

15 ≤ X < 18 12 ≤ X < 15

10 ≤ X < 12 8≤X< 10

20 ≤ X < 24

5≤X<6

50 ≤ X < 60

16 ≤ X < 20

4≤X<5

40 ≤ X < 50

X < 12

X<8

X < 16

X<4

X < 40

Layak Cukup Layak Tidak Layak

Nilai interval di atas akan menjadi acuan dalam menentukan kategori penilaian terhadap data yang telah didapat. Kategori penilaian sangat layak apabila rerata skor (X) masuk pada interval nilai 60 ≤ X, penilaian layak apabila rerata skor (X) masuk

87

pada interval nilai 50 ≤ X < 60, penilaian cukup layak apabila rerata skor (X) masuk pada interval nilai 40 ≤ X < 50, dan penilaian tidak layak apabila rerata skor (X) masuk pada interval nilai X < 40. Data yang didapat dari penilaian uji pengguna dapat dilihat pada tabel 27. Tabel 27. Data hasil penilaian pengguna

No.

Penilaian Kriteria Kualitas

Skor Max

Skor Min

1.

Isi dan Tujuan

24

6

2.

Teknis

16

4

3.

Instruksional

32

8

4.

Efektivitas

8

2

Total

80

20

Nilai Persentase Rerata Tiap Kategori Tiap Kesesuaian Kesesuaian Sangat 19,6 81% Layak Sangat 12 77% Layak Sangat 26 81% Layak Sangat 6,5 81% Layak 57,9 72% Layak

Berdasar data yang telah diperoleh dari uji pengguna, untuk penilaian kriteria isi dan tujuan mendapat nilai rata-rata 19,6 dari nilai skor maksimal 24 dan skor minimal 6, yang berarti masuk dalam kategori sangat layak dengan persentase 81%. Kriteria teknis mendapat nilai rata-rata 12 dari nilai skor maksimal 16 dan skor minimal 4, yang berarti masuk dalam kategori sangat layak dengan persentase 77%. Kriteria instruksional mendapat nilai rata-rata 26 dari nilai skor maksimal 32 dan skor minimal 8, yang berarti masuk dalam kategori sangat layak dengan persentase 81%. Kriteria

88

efektivitas mendapat nilai rata-rata 6,5 dari nilai skor maksimal 8 dan skor minimal 2, yang berarti masuk dalam kategori sangat layak dengan persentase 81%. Dari hasil tersebut dapat diperoleh skor rerata total uji pengguna adalah 57,9 dari nilai maksimal 80 dan nilai minimal 20, yang berarti masuk dalam kategori layak dengan persentase 72%.

3.

Uji Reliabilitas Instrumen yang telah divalidasi oleh para validator diuji reliabilitasnya. Uji

reliabilitas ini digunakan pada instrumen pengguna. Pengujian ini menggunakan rumus alpha dengan bantuan software Microsoft Excel dan SPSS. Berdasar hasil uji reliabilitas, instrumen yang digunakan mendapat hasil sebesar 0,827 sehingga masuk dalam kategori reliabilitas tinggi. Perhitungan selengkapnya dapat dilihat pada lampiran 6.

C.

Kajian Produk Aplikasi pendeteksi objek lingkaran menggunakan metode HoughCircle sebagai

media pembelajaran penginderaan visual robot dikembangkan dengan menggunakan penelitian model ADDIE menurut Robert Maribe Branch. Media pembelajaran ini tersusun dari beberapa komponen utama, webcam sebagai sensor, kertas media yang

89

dideteksi atau bisa juga menggunakan bola sebagai objek yang akan dideteksi, library EmguCV yang berfungsi sebagai pustaka perangkat lunak untuk pengolahan citra digital, serta aplikasi pendeteksi objek lingkaran itu sendiri yang menampilkan GUI sebagai tampilan antarmuka untuk penampil data yang diperoleh. Aplikasi pendeteksi objek lingkaran menggunakan metode HoughCircle sebagai media pembelajaran penginderaan visual robot melewati beberapa tahap pengujian, yakni uji blackbox, uji validasi oleh ahli media dan ahli materi, serta uji pengguna. Hasil dari uji blackbox yakni setiap fungsi komponen dari aplikasi pendeteksi objek lingkaran sebagai media pembelajaran penginderaan visual robot dapat bekerja dengan baik. Pengujian uji blackbox dimulai dengan membuka terlebih dahulu aplikasi pendeteksi objek lingkaran, lalu masuk ke menu bar yang terletak di atas aplikasi untuk mengonfigurasi webcam, resolusi, dan metode yang dipakai, lalu bisa di tekan tombol Start untuk menyalakan webcam. Setelah webcam menyala, muncul tampilan dari webcam itu sendiri dan tiga buah imageBox yang sudah diberi berbagai metode, dan di bagian kanan bawah terdapat beberapa data berupa jumlah lingkaran, luas, diameter, dan jarak lingkaran yang terdeteksi. Slider-slider parameter di bagian kanan atas aplikasi dapat dirubah sesuai dengan kondisi media yang dideteksi. Apabila terdapat lingkaran yang telah terdeteksi, maka data-data yang ada di bagian penampil data akan berubah nilainya sesuai dengan lingkaran yang terdeteksi, dan juga di bagian imageBox 3 akan diberi penanda pada lingkaran yang terdeteksi.

90

Uji validasi media pembelajaran dilakukan oleh ahli media dan materi, terdapat beberapa masukan untuk perbaikan, yakni: (1) Media yang dideteksi sebaiknya dibuat dalam dua versi, versi pertama: berbentuk lingkaran satu persatu, versi kedua: dalam satu halaman terdapat objek lingkaran dan objek yang tidak berbentuk lingkaran yang mempunyai beberapa variasi konfigurasi, (2) Aplikasi perlu ditambah informasi mengenai data jarak lingkaran terhadap webcam dan dapat mendeteksi lingkaran dalam ruang yang gelap juga, (3) jobsheet perlu ditambahkan instruksi mendeteksi dengan benda yang aplikatif, seperti bola, (4) jobsheet perlu ditambahkan instruksi mendeteksi dengan benda yang tidak berbentuk lingkaran juga. Tahap selanjutnya yakni uji validasi oleh pengguna. Dari hasil uji pengguna, banyak pengguna memberi saran dari media agar tampilan GUI-nya mungkin lebih disederhanakan dan dirapikan lagi, slider parameter-nya mungkin bisa dikurangi jadi lebih sedikit, media bisa dikembangkan lebih menarik lagi apabila ditambahkan dengan hardware, pendeteksian lebih baik lagi bisa dilakukan secara otomatis tanpa konfigurasi yang terlalu banyak, dan bug aplikasi yang perlu dikurangi. Aplikasi pendeteksi objek lingkaran sebagai media pembelajaran penginderaan visual robot memiliki jarak pendeteksian objek yang masih terbatas. Selain itu, data dari pendeteksian-nya pun terkadang masih belum sangat akurat dengan benda aslinya.

91

D.

Pembahasan Hasil Penelitian Tujuan dari penelitian ini adalah untuk mengetahui unjuk kerja dan tingkat

kelayakan aplikasi pendeteksi objek lingkaran menggunakan metode HoughCircle sebagai media pembelajaran penginderaan visual robot. Penilaian unjuk kerja aplikasi pendeteksi objek lingkaran menggunakan metode HoughCircle sebagai media pembelajaran penginderaan visual robot menggunakan uji blackbox. Penilaian tingkat kelayakan media pembelajaran menggunakan instrumen berupa angket, yang diujikan kepada ahli media, ahli materi, dan pengguna. Instrumen untuk ahli media terdiri dari kesesuaian media dengan tujuan, karakteristik, materi, teori, gaya belajar, dan kondisi. Instrumen untuk ahli materi terdiri dari kriteria relevansi, penyajian, bahasa, dan kegrafikaan pada materi pembelajaran. Instrumen untuk uji pengguna terdiri dari kriteria kualitas isi dan tujuan, teknis, instruksional, serta efektivitas media terhadap pengguna. Unjuk kerja aplikasi pendeteksi objek lingkaran menggunakan metode HoughCircle sebagai media pembelajaran penginderaan visual robot yakni aplikasi hanya dapat mendeteksi objek berupa lingkaran, untuk objek berbentuk selain lingkaran tidak dapat terdeteksi. Berdasarkan hasil ujicoba, aplikasi pendeteksi objek lingkaran dapat menampilkan data ukuran objek berupa luas, diameter, dan jarak objek terhadap webcam. Aplikasi dapat mendeteksi objek lingkaran dari ukuran 5,5 cm hingga 12 cm. Objek lingkaran berdiameter 5,5 cm dapat dideteksi oleh aplikasi,

92

dengan jangkauan jarak antara 10 cm hingga 70 cm dari webcam ke objek, dengan rata-rata persentase kesalahan deteksi jarak sebesar 20,5%. Objek lingkaran berdiameter 6,8 cm dapat dideteksi oleh aplikasi, dengan jangkauan jarak antara 10 cm hingga 70 cm dari webcam ke objek, dengan rata-rata persentase kesalahan deteksi jarak sebesar 18,33%. Objek lingkaran berdiameter 7 cm dapat dideteksi oleh aplikasi, dengan jangkauan jarak antara 10 cm hingga 70 cm dari webcam ke objek, dengan rata-rata persentase kesalahan deteksi jarak sebesar 14,4%. Objek lingkaran berdiameter 10 cm dapat dideteksi oleh aplikasi, dengan jangkauan jarak antara 15 cm hingga 70 cm dari webcam ke objek, dengan rata-rata persentase kesalahan deteksi jarak sebesar 24,45%. Objek lingkaran berdiameter 12 cm dapat dideteksi oleh aplikasi, dengan jangkauan jarak antara 20 cm hingga 70 cm dari webcam ke objek, dengan rata-rata persentase kesalahan deteksi jarak sebesar 32,19%. Untuk pengukuran diameter objek yang dilakukan oleh aplikasi pada jarak 20 cm, aplikasi dapat menampilkan data hasil pengukuran diameter objek lingkaran berdiameter 5,5 cm, 6,8 cm, 7 cm, 10 cm, dan 12 cm, dengan persentase kesalahan sebesar 9,17%. Untuk pengukuran jarak objek terhadap webcam yang dilakukan oleh aplikasi pada jarak 20 cm, aplikasi dapat menampilkan data hasil pengukuran jarak objek lingkaran berdiameter 5,5 cm, 6,8 cm, 7 cm, 10 cm, dan 12 cm, dengan persentase kesalahan sebesar 12,13%. Secara keseluruhan, rata-rata persentase kesalahan deteksi jarak oleh aplikasi mencapai angka sebesar 20%.

93

Berdasar analisis data, tingkat kelayakan ditinjau dari ahli media yakni penilaian pada kesesuaian media dengan tujuan mendapat nilai rata-rata 13,5 dari nilai skor maksimal 16 dan skor minimal 4, yang mempunyai arti dapat dikatakan termasuk dalam kategori sangat layak dengan perolehan persentase 84%. Kesesuaian media dengan karakteristik mendapat nilai rata-rata 13 dari nilai skor maksimal 16 dan skor minimal 4, yang mempunyai arti dapat dikatakan termasuk dalam kategori sangat layak dengan perolehan persentase 81%. Kesesuaian media dengan materi mendapat nilai rata-rata 14 dari nilai skor maksimal 16 dan skor minimal 4, yang mempunyai arti dapat dikatakan termasuk dalam kategori sangat layak dengan perolehan persentase 88%. Kesesuaian media dengan teori mendapat nilai rata-rata 13 dari nilai skor maksimal 16 dan skor minimal 4, yang mempunyai arti dapat dikatakan termasuk dalam kategori sangat layak dengan perolehan persentase 81%. Kesesuaian media dengan gaya belajar mendapat nilai rata-rata 7 dari nilai skor maksimal 8 dan skor minimal 2, yang mempunyai arti dapat dikatakan termasuk dalam kategori sangat layak dengan perolehan persentase 88%. Kesesuaian media dengan kondisi lingkungan sekitar peserta didik mendapat nilai rata-rata 7 dari nilai skor maksimal 8 dan skor minimal 2, yang mempunyai arti dapat dikatakan termasuk dalam kategori sangat layak dengan perolehan persentase 88%. Dari hasil tersebut dapat diperoleh skor rerata total uji kelayakan ahli media adalah 67,5 dari nilai maksimal 80 dan nilai minimal 20, yang mempunyai arti dapat dikatakan termasuk dalam kategori sangat layak dengan perolehan persentase 84%.

94

Uji validitas media menunjukkan bahwa media yang telah dibuat dapat dikategorikan sangat layak digunakan dari enam kesesuaian oleh ahli media. Media dinyatakan layak dari segi kesesuaian dengan tujuan, karena: (1) penggunaan media membantu untuk mengetahui tujuan pembelajaran dalam proses belajar mengajar, (2) penggunaan media membantu untuk mengetahui tujuan media pembelajaran untuk mempermudah cara belajar peserta didik. Media dinyatakan layak dari segi kesesuaian dengan karakteristik, karena: (1) penggunaan media membantu untuk mengetahui manfaat media pembelajaran untuk meningkatkan keaktifan peserta didik, (2) penggunaan media membantu untuk mengetahui keterkaitan media pembelajaran dengan pelajaran lain. Media dinyatakan layak dari segi kesesuaian dengan materi, karena: (1) penggunaan media membantu untuk mengetahui tingkat pengetahuan perangkat lunak pada media pembelajaran, (2) penggunaan media membantu untuk mengetahui tingkat pengetahuan tentang gambaran umum media pembelajaran. Media dinyatakan layak dari segi kesesuaian dengan teori, karena: (1) penggunaan media membantu untuk mengetahui tingkat pemahaman bagian-bagian media pembelajaran, (2) penggunaan media membantu untuk mengetahui tingkat pemahaman dengan fungsi pada bagian-bagian media pembelajaran. Media dinyatakan layak dari segi kesesuaian dengan gaya belajar siswa, karena: (1) penggunaan media membantu untuk mengetahui tingkat kemudahan dan ketertarikan pada media pembelajaran. Media dinyatakan layak dari segi kesesuaian dengan lingkungan, karena: (1) penggunaan

95

media membantu untuk mengetahui tingkat kecocokan media pembelajaran dengan sasaran dan lingkungan pembelajaran. Ditinjau dari data yang telah diperoleh melalui kedua ahli materi, untuk penilaian kriteria relevansi mendapat nilai rata-rata 44,5 dari nilai skor maksimal 48 dan skor minimal 12, yang berarti masuk dalam kategori sangat layak dengan persentase 93%. Kriteria penyajian mendapat nilai rata-rata 14,5 dari nilai skor maksimal 16 dan skor minimal 4, yang berarti masuk dalam kategori sangat layak dengan persentase 91%. Kriteria bahasa mendapat nilai rata-rata 14 dari nilai skor maksimal 16 dan skor minimal 4, yang berarti masuk dalam kategori sangat layak dengan persentase 88%. Kriteria kegrafikaan mendapat nilai rata-rata 12,5 dari nilai skor maksimal 16 dan skor minimal 4, yang berarti masuk dalam kategori sangat layak dengan persentase 78%. Dari hasil tersebut dapat diperoleh skor rerata total uji kelayakan ahli materi adalah 85,5 dari nilai maksimal 96 dan nilai minimal 24, yang berarti masuk dalam kategori sangat layak dengan persentase 89%. Ditinjau dari data yang telah diperoleh melalui uji pengguna, untuk penilaian kriteria kualitas isi dan tujuan mendapat nilai rata-rata 19,6 dari nilai skor maksimal 24 dan skor minimal 6, yang berarti masuk dalam kategori sangat layak dengan persentase 81%. Kriteria teknis mendapat nilai rata-rata 12 dari nilai skor maksimal 16 dan skor minimal 4, yang berarti masuk dalam kategori sangat layak dengan persentase 77%. Kriteria instruksional mendapat nilai rata-rata 26 dari nilai skor maksimal 32 dan

96

skor minimal 8, yang berarti masuk dalam kategori sangat layak dengan persentase 81%. Kriteria efektivitas mendapat nilai rata-rata 6,5 dari nilai skor maksimal 8 dan skor minimal 2, yang berarti masuk dalam kategori sangat layak dengan persentase 81%. Dari hasil tersebut dapat diperoleh skor rerata total uji pengguna adalah 57,9 dari nilai maksimal 80 dan nilai minimal 20, yang berarti masuk dalam kategori layak dengan persentase 72%.

97

BAB V SIMPULAN DAN SARAN

A.

Simpulan Berdasar penelitian dan pembahasan dari pengembangan aplikasi pendeteksi

objek lingkaran menggunakan metode HoughCircle sebagai media pembelajaran penginderaan visual robot, maka dapat ditarik beberapa simpulan bahwa: 1.

Unjuk kerja aplikasi pendeteksi objek lingkaran menggunakan metode HoughCircle sebagai media pembelajaran penginderaan visual robot yakni aplikasi hanya dapat mendeteksi objek berupa lingkaran, untuk objek berbentuk selain lingkaran tidak dapat terdeteksi. Berdasarkan hasil ujicoba, aplikasi pendeteksi objek lingkaran dapat menampilkan data ukuran objek berupa luas, diameter, dan jarak objek terhadap webcam. Aplikasi dapat mendeteksi objek lingkaran dari ukuran 5,5 cm hingga 12 cm. Objek lingkaran berdiameter 5,5 cm, 6,8 cm, dan 7 cm dapat dideteksi oleh aplikasi, dengan jangkauan jarak antara 10 cm hingga 70 cm dari webcam ke objek. Sedangkan untuk objek lingkaran berdiameter 10 cm dapat dideteksi oleh aplikasi, dengan jangkauan jarak antara 15 cm hingga 70 cm dari webcam ke objek. Objek lingkaran berdiameter 12 cm dapat dideteksi oleh aplikasi, dengan jangkauan jarak antara 20 cm hingga 70

98

cm dari webcam ke objek. Secara keseluruhan, rata-rata persentase kesalahan deteksi jarak oleh aplikasi mencapai angka sebesar 20%. 2.

Tingkat kelayakan aplikasi pendeteksi objek lingkaran menggunakan metode HoughCircle sebagai media pembelajaran penginderaan visual robot termasuk dalam kategori sangat layak ditinjau dari para ahli media dengan skor rerata adalah 67,5 dari nilai maksimal 80 dan nilai minimal 20 dengan persentase 84%, sedangkan ditinjau dari para ahli materi termasuk dalam kategori sangat layak dengan skor rerata yang didapat adalah 85,5 dari nilai maksimal 96 dan nilai minimal 24 dengan persentase 89%. Ditinjau dari hasil uji terhadap pengguna dapat diperoleh skor rerata total adalah 57,9 dari nilai maksimal 80 dan nilai minimal 20, termasuk dalam kategori layak dengan persentase 72%.

B.

Keterbatasan Produk Pengembangan aplikasi pendeteksi objek lingkaran menggunakan metode

HoughCircle sebagai media pembelajaran penginderaan visual robot masih memiliki beberapa keterbatasan, beberapa diantaranya yakni: 1.

Jarak pendeteksian aplikasi terhadap media yang dideteksi masih terbatas pada jarak yang dekat.

2.

Data yang ditampilkan GUI masih belum begitu akurat sesuai dengan real-nya.

3.

Pendeteksian terhadap media yang dideteksi masih terbilang kurang responsif.

4.

Konfigurasi aplikasi masih terbilang rumit dan ribet.

99

5.

Desain GUI yang masih kurang sederhana dan kurang informatif.

6.

Masih terdapat bug pada aplikasi yang peneliti pun masih belum mengerti cara mengatasinya.

7.

Hanya bisa digunakan pada sistem operasi Windows 7 dan 10 64bit saja.

C.

Pengembangan Produk Lebih Lanjut Pengembangan aplikasi pendeteksi objek lingkaran menggunakan metode

HoughCircle sebagai media pembelajaran penginderaan visual robot dapat dikembangkan lebih lanjut menjadi media pembelajaran yang lebih baik lagi, beberapa di antaranya adalah: 1.

Pendeteksian terhadap objek lingkaran oleh aplikasi dapat dilakukan dengan jarak deteksi objek yang lebih jauh.

2.

Penambahan hardware seperti sorting station atau lengan robot dapat dilaksanakan agar dapat berinteraksi langsung dengan objek lingkaran.

3.

Pendeteksian terhadap objek lingkaran agar dapat dikembangkan menjadi lebih responsif lagi.

4.

Desain GUI dapat disederhanakan lagi dengan mengurangi slider parameter yang dirasa kurang berpengaruh pada pendeteksian, dan dapat diberi lebih banyak lagi berbagai tips dan fitur yang informatif agar peserta didik lebih mudah memahami algoritma program dalam penginderaan visual robot.

100

D.

Saran Berdasar penelitian yang telah dilakukan, maka saran yang diberikan untuk

penelitian berikutnya terkait dengan pengembangan aplikasi pendeteksi objek lingkaran sebagai media pembelajaran penginderaan visual robot, yakni: 1.

Penggunaan aplikasi pendeteksi objek lingkaran sebagai media pembelajaran penginderaan visual robot dapat digunakan sebagai penelitian eksperimen dengan membandingkan penggunaan aplikasi pendeteksi objek lingkaran sebagai media pembelajaran penginderaan visual robot dengan media lain.

2.

Aplikasi pendeteksi objek lingkaran sebagai media pembelajaran penginderaan visual robot tidak hanya dapat digunakan pada pembelajaran penginderaan visual robot saja, tetapi juga bisa digunakan untuk mata kuliah lain seperti pemrograman komputer, kendali cerdas, dan robotika.

101

DAFTAR PUSTAKA

Arikunto, S. (2013). Prosedur Penelitian Suatu Pendekatan Praktik. Jakarta: Rineka Cipta. Arsyad, A. (2009). Media Pembelajaran. Jakarta: PT. Raja Grafindo Persada. Badan Pusat Statistik. (2017). Pengangguran Terbuka Menurut Pendidikan Tertinggi yang Ditamatkan 1986-2017. Badan Pengembangan dan Pembinaan Bahasa, Kementrian Pendidikan dan Kebudayaan Republik Indonesia. (2016). Kamus Besar Bahasa Indonesia V . Borg, W. R., dan Gall, D. M. (1983). Education Research: An Introduction. New York & London: Longman. Branch, R. M. (2009). Instructional Design: The ADDIE Approach. New York: Springer. Budiharto, Dr. W. (2014). Robotika Modern - Teori dan Implementasi (Edisi Revisi). Yogyakarta: Penerbit ANDI. Indra P., R. C., dkk. (2012). Mengenal Software for Beginners. Yogyakarta: Penerbit ANDI.

102

Jurusan Pendidikan Teknik Elektro UNY. (2014). Buku Peraturan Kurikulum 2014 Jurusan Pendidikan Teknik Elektro Universitas Negeri Yogyakarta. Yogyakarta: Universitas Negeri Yogyakarta. Kurniawan, D. (2017). Pengembangan Trainer Kit Sensor Kamera Menggunakan Raspberry Pi Sebagai Media Pembelajaran Robotika. Skripsi, Universitas Negeri Yogyakarta, Yogyakarta. Leavers, V.F. (1992). Shape Detection in Computer Vision Using the Hough Transform. London: Springer-Verlag. Mardapi, D. (2017). Pengukuran, Penilaian, dan Evaluasi Pendidikan. Yogyakarta: Parama Publishing. Muljono, P. (2007). Kegiatan Penilaian Buku Teks Pelajaran Pendidikan Dasar dan Menengah. Buletin BSNP. hlm. 14-23. Nixon, M. dan Aguado, A. (2002). Feature Extraction and Image Processing. Great Britain: Newnes. Nugroho, A. F. (2016). Pengembangan Media Pembelajaran Robotika Berbentuk Pendeteksi Kemiringan Robot Menggunakan Graphical User Interface. Skripsi, Universitas Negeri Yogyakarta, Yogyakarta.

103

Nugroho, A. (2016). Pengembangan Media Pembelajaran Robotika Menggunakan Mobile Robot Manipulator Berbasis Komunikasi Data Wi-Fi Dengan Protokol TCP/IP. Skripsi, Universitas Negeri Yogyakarta, Yogyakarta. Pressman, R. S. (2001). Software Engineering: A Practitioner’s Approach. New York: McGraw-Hill. Prabowo, M. R. (2017). Deteksi Objek Bergerak Dalam Air Menggunakan Metode Gaussian Mixture Model Berbasis Action-Cam. Skripsi, Universitas Lampung, Bandar Lampung. Putra, D. (2010). Pengolahan Citra Digital. Yogyakarta: Penerbit ANDI. Putro, S. H. dan Suprapto. (2009). Aplikasi Robot Penentu Koordinat Pada Perubahan Permukaan Dasar Sungai Sebagai Media Pembelajaran Mata Kuliah Hidrolika. Jurnal Pendidikan Teknologi dan Kejuruan, Vol. 18, No. 1, Mei 2009, 1-20. Rohman, B.P.A. (2017). Computer Vision dan Aplikasinya Menggunakan C# dan EmguCV. Yogyakarta: Penerbit ANDI. Sanaky, H.A.H. (2013). Media Pembelajaran Interaktif – Inovatif. Yogyakarta: Penerbit Kaukaba. Saputro, B. (2017). Manajemen Penelitian Pengembangan (Research & Development) Bagi Penyusun Tesis dan Disertasi. Yogyakarta: Aswaja Pressindo.

104

Sugiyono, Prof. Dr. (2016). Metode Penelitian Kuantitatif, Kualitatif dan R & D. Bandung: Penerbit Alfabeta. Sukiman. (2012). Pengembangan Proses Evaluasi. Yogyakarta: Insan Madani. Sukmadinata. (2008). Metode Penelitian Pendidikan. Bandung: Remaja Rosdakarya. Sukoco, Arifin, Z., Sutiman., et al. (2014). Pengembangan Media Pembelajaran Interaktif Berbasis Komputer Untuk Peserta Didik Mata Pelajaran Teknik Kendaraan Ringan. Jurnal Pendidikan Teknologi dan Kejuruan, Vol. 22, No. 2, Oktober 2014, 215-226. Supardi, Ir. Y. (2015). Semua Bisa Menjadi Programmer VB 2012 - Case Study. Jakarta: Penerbit Elex Media Komputindo. Susilana, R. dan Riyana, C. (2009). Media Pembelajaran: Hakikat, Pengembangan, Pemanfaatan, dan Penilaian. Bandung: CV. Wacana Prima. Sutjipto, B. dan Kustandi, C. (2013). Media Pembelajaran : Manual dan Digital – Edisi Kedua. Bogor: Ghalia Indonesia. Tung, K. Y. (2017). Desain Instruksional – Perbandingan Model & Implementasinya. Yogyakarta: Penerbit ANDI. Walker, D.F. dan Hess, R.D. (1984). Instructional Software: Principles and Perspectives for Design and Use. Belmont: Wadsworth Publishing Company.

105

Wati, E. R. (2016). Ragam Media Pembelajaran: Visual-Audio Visual-KomputerPower Point-Internet-Interactive Video. Jakarta: Kata Pena. Wulandari, B., Suparman, Santoso, D., et al. (2015). Pengembangan Trainer Equalizer Grafis Dan Parametris Sebagai Media Pembelajaran Mata Kuliah Praktik Sistem Audio. Jurnal Pendidikan Teknologi dan Kejuruan, Vol. 22, No. 4, Oktober 2015, 373-384.

106

LAMPIRAN

107

Lampiran 1. Instrumen Penelitian Lampiran 1.1. Lembar Instrumen Angket Media Pembelajaran Lampiran 1.2. Lembar Instrumen Angket Materi Pembelajaran Lampiran 1.3. Lembar Instrumen Angket Keefektifan Media Pembelajaran Lampiran 1.4. Uji Blackbox

108

Lampiran 1.1. Lembar Instrumen Angket Media Pembelajaran ANGKET PENILAIAN AHLI MEDIA

Dalam rangka penelitian tugas akhir skripsi, saya mohon bantuan bapak / ibu / saudara untuk menjadi validator “Pengembangan Aplikasi Pendeteksi Objek Lingkaran Menggunakan Metode Houghcircle Sebagai Media Pembelajaran Penginderaan Visual Robot” agar layak digunakan sebagai media pembelajaran.

Materi Pelajaran

: Praktik Penginderaan Visual Robot

Pembuat

: Muhammad Rafii Naufal

Tanggal

: ....................................

Prosedur Pengisian Instrumen Media Pembelajaran: 1. Dimohon kepada bapak / ibu / saudara untuk memberikan penilaian pada salah satu kolom di dalam angket ini berdasarkan kriteria berikut. 4

: Sangat Setuju

3

: Setuju

2

: Tidak Setuju

1

: Sangat Tidak Setuju

2. Dimohon untuk memberikan tanda check () pada salah satu pilihan dalam setiap pernyataan sesuai pendapat bapak / ibu / saudara. 3. Jika terdapat kekurangan pada media pembelajaran ini, mohon bapak / ibu / saudara memberikan saran dan masukan pada bagian yang telah disediakan. 4. Mohon untuk menuliskan nama sebagai validator (jika belum tersedia) pada bagian akhir lembar instrumen ini sebagai bukti bahwa instrumen ini dibuat sebenar-benarnya tanpa manipulasi data. 5. Atas bantuan bapak / ibu / saudara, kami mengucapkan terima kasih.

109

Pernyataan: No

Pilihan Jawaban 4 3 2 1

Pernyataan Penggunaan media pembelajaran aplikasi

1

pendeteksi objek lingkaran dapat memberikan informasi

mengenai

tujuan pembelajaran

penginderaan visual robot pada peserta didik. Penggunaan media pembelajaran aplikasi 2

pendeteksi objek lingkaran dapat menjelaskan secara

rinci

mengenai

tujuan

belajar

penginderaan visual robot pada peserta didik. Penggunaan media pembelajaran membantu 3

mempermudah kegiatan pembelajaran praktik penginderaan visual robot. Media pembelajaran aplikasi pendeteksi objek

4

lingkaran dapat digunakan pengajar dalam menjelaskan materi agar menjadi lebih mudah difahami peserta didik. Media pembelajaran aplikasi pendeteksi objek

5

lingkaran

dapat

meningkatkan

keaktifan

peserta didik dalam pembelajaran. Penggunaan media pembelajaran aplikasi 6

pendeteksi objek lingkaran menumbuhkan semangat belajar peserta didik.

110

Media pembelajaran aplikasi pendeteksi objek 7

lingkaran memiliki keterkaitan dengan mata kuliah lain. Media pembelajaran aplikasi pendeteksi objek

8

lingkaran dapat mendukung pembelajaran pada mata kuliah lain.

9

10 11 12

13

14

15

16

Tampilan GUI pada media pembelajaran berfungsi dengan baik. Informasi

pada

tampilan

GUI

mudah

dipahami. Bentuk media pembelajaran menarik. Peletakan komponen pada media pembelajaran tersusun dengan baik. Slider pada media pembelajaran aplikasi pendeteksi objek lingkaran mudah digunakan. Domain UpDown pada media pembelajaran mudah digunakan. Sensor kamera yang digunakan pada media pembelajaran dapat bekerja dengan baik. Semua

komponen

media

pembelajaran

berfungsi dengan baik. Media pembelajaran aplikasi pendeteksi objek

17

lingkaran lebih menarik dengan adanya tampilan GUI.

111

18

19 20

Media pembelajaran dapat memberikan rasa ingin tahu kepada pengguna. Media

pembelajaran

menarik

untuk

digunakan. Media pembelajaran mudah digunakan.

Kesimpulan: Menurut saya, Media Pembelajaran Aplikasi Pendeteksi Objek Lingkaran ini dinyatakan: 1. Layak digunakan tanpa revisi 2. Layak digunakan dengan revisi pada saran 3. Tidak layak digunakan

Saran dan Perbaikan: ......................................................................................................................................... ......................................................................................................................................... ......................................................................................................................................... ......................................................................................................................................... ......................................................................................................................................... .........................................................................................

Yogyakarta, ........................................ Validator

(………………………………..) (NIP. …………………………..)

112

Lampiran 1.2. Lembar Instrumen Angket Materi Pembelajaran ANGKET PENILAIAN AHLI MATERI

Dalam rangka penelitian tugas akhir skripsi, saya mohon bantuan bapak / ibu / saudara untuk menjadi validator “Pengembangan Aplikasi Pendeteksi Objek Lingkaran Menggunakan Metode Houghcircle Sebagai Media Pembelajaran Penginderaan Visual Robot” agar layak digunakan sebagai media pembelajaran. Materi Pelajaran

: Praktik Penginderaan Visual Robot

Pembuat

: Muhammad Rafii Naufal

Tanggal

: ....................................

Prosedur Pengisian Instrumen Materi Pembelajaran: 1. Dimohon kepada bapak / ibu / saudara untuk memberikan penilaian pada salah satu kolom di dalam angket ini berdasarkan kriteria berikut. 4

: Sangat Setuju

3

: Setuju

2

: Tidak Setuju

1

: Sangat Tidak Setuju

2. Dimohon untuk memberikan tanda check () pada salah satu pilihan dalam setiap pertanyaan sesuai pendapat bapak / ibu / saudara. 3. Jika terdapat kekurangan pada media pembelajaran ini, mohon bapak / ibu / saudara memberikan saran dan masukan pada bagian yang telah disediakan. 4. Mohon untuk menuliskan nama sebagai validator (jika belum tersedia) pada bagian akhir lembar instrumen ini sebagai bukti bahwa instrumen ini dibuat sebenar-benarnya tanpa manipulasi data. 5. Atas bantuan bapak / ibu / saudara, kami mengucapkan terima kasih.

113

Pernyataan: Pilihan Jawaban No

Pernyataan 4

1

Materi pelajaran yang diajarkan menggunakan media pembelajaran sesuai dengan silabus. Materi yang diajarkan dalam media aplikasi

2

pendeteksi objek lingkaran relevan dengan kompetensi

peserta

didik

pada

bidang

penginderaan visual robot 3

Materi

yang dicantumkan dalam media

pembelajaran sudah lengkap. Cara menghubungkan library EmguCV pada

4

media pembelajaran aplikasi pendeteksi objek lingkaran dijelaskan di dalam jobsheet.

5

Cara kerja deteksi objek lingkaran dijelaskan di dalam jobsheet. Cara membuat program yang digunakan dalam

6

pemrograman

aplikasi

pendeteksi

objek

lingkaran dijelaskan di dalam jobsheet. 7

8

9

Materi tentang dasar penginderaan visual robot disajikan dengan jelas. Materi tentang transformasi HoughCircle disajikan dengan jelas. Alur

pengoperasian

media

pembelajaran

disajikan dengan jelas pada jobsheet.

114

3

2

1

Materi pelajaran lebih mudah dipahami setelah 10

menggunakan media pembelajaran aplikasi pendeteksi objek lingkaran. Materi yang terdapat pada jobsheet didukung

11

dengan adanya media pembelajaran aplikasi pendeteksi objek lingkaran.

12 13 14

15

Materi pelajaran sudah sesuai dengan tuntutan lapangan pekerjaan di bidang otomasi industri. Materi disajikan secara runtut. Materi yang disajikan didukung dengan dasar teori yang jelas. Materi yang dibuat dapat meningkatkan motivasi belajar peserta didik. Materi yang disajikan mendukung keterlibatan

16

peserta

didik

dalam

pembelajaran

penginderaan visual robot. Materi yang disajikan dapat dibaca dengan 17

jelas

dan

sesuai

dengan

perkembangan

intelektual peserta didik. Materi yang disajikan dapat dibaca dengan 18

jelas

dan

sesuai

dengan

perkembangan

emosional peserta didik. 19 20

Tata bahasa pada jobsheet sesuai dengan kaidah bahasa Indonesia. Istilah-istilah pada jobsheet sudah baku.

115

Materi yang disajikan desain cover-nya 21

menarik daya minat peserta didik sehingga tertarik dan betah untuk belajar. Materi yang disajikan desain isi-nya menarik

22

daya minat peserta didik sehingga tertarik dan betah untuk belajar.

23

24

Kualitas cetakan materi sesuai standar di pasaran buku. Kualitas jilidan materi sesuai standar di pasaran buku.

Kesimpulan: Menurut saya, materi untuk aplikasi pendeteksi objek lingkaran dinyatakan : 1. Layak digunakan tanpa revisi 2. Layak digunakan dengan revisi pada saran 3. Tidak layak digunakan Saran dan Perbaikan: ......................................................................................................................................... ......................................................................................................................................... ......................................................................................................................................... Yogyakarta, ....................................... Validator

(…………………………………) (NIP. ……………………………)

116

Lampiran 1.3. Lembar Instrumen Angket Keefektifan Media Pembelajaran ANGKET PENILAIAN PENGEMBANGAN APLIKASI PENDETEKSI OBJEK LINGKARAN SEBAGAI MEDIA PEMBELAJARAN PRAKTIK PENGINDERAAN VISUAL ROBOT

IDENTITAS PESERTA DIDIK Nama: .................................................... NIM : ....................................................

PROGRAM STUDI PENDIDIKAN TEKNIK MEKATRONIKA FAKULTAS TEKNIK UNIVERSITAS NEGERI YOGYAKARTA 2018

117

Angket Penilaian Media

Hal

: Pengisian Angket Penelitian

Kepada

: Peserta didik Program Studi Pendidikan Teknik Mekatronika

Assalamu’alaikum Wr.Wb. Dengan hormat, Mohon kesediaan dan bantuan saudara/i untuk meluangkan waktu guna mengisi angket ini. Angket ini berguna untuk mengumpulkan data terkait dengan “Pengembangan Aplikasi Pendeteksi Objek Lingkaran sebagai Media Pembelajaran Praktik Penginderaan Visual Robot”. Angket ini bukan merupakan tes, sehingga jawaban yang anda berikan tidak akan memengaruhi nilai mata pelajaran. Jawaban yang baik adalah jawaban yang sesuai dengan kenyataan dan diisi berdasarkan hati nurani saudara, serta akan kami jamin kerahasiaannya. Kejujuran saudara dalam menjawab angket ini sangat diharapkan demi mendapatkan hasil penelitian yang maksimal. Atas bantuan dan kerjasama dari saudara, saya ucapkan terimakasih. Wassalamu’alaikum Wr.Wb. Yogyakarta, 10 April 2018 Hormat saya,

Peneliti

118

A. Petunjuk Pengisian Angket 1.

Angket ini dimaksudkan untuk mengetahui pendapat/penilaian anda sebagai pengguna

media

pembelajaran

APLIKASI

PENDETEKSI

OBJEK

LINGKARAN. 2.

Anda diharapkan memilih salah satu pilihan jawaban pada setiap pernyataan yang tersedia dengan memberikan TANDA SILANG (X) pada kolom jawaban. Contoh:

3.

NO PERNYATAAN

JAWABAN

1.

1

Desain tata letak komponen pada GUI sudah rapi

2

3

4

Jika anda ingin mengubah jawaban, maka anda memberikan tanda SAMA DENGAN (=) pada pilihan jawaban yang akan diganti dan memberikan TANDA SILANG (X) pada kolom penggantinya.

4.

NO PERNYATAAN

JAWABAN

1.

1

Desain tata letak komponen pada GUI sudah rapi

2

3

Keterangan jawaban: 1 = Sangat Tidak Setuju / Sangat Tidak Sesuai / Sangat Tidak Baik

5.

2 = Tidak Setuju

/ Tidak Sesuai

/ Tidak Baik

3 = Setuju

/ Sesuai

/ Baik

4 = Sangat Setuju

/ Sangat Sesuai

/ Sangat Baik

Komentar atau saran anda mohon ditulis pada lembar yang telah disediakan. Atas kesediaan anda untuk mengisi angket ini, saya ucapkan terima kasih.

119

4

B. Angket Penilaian NO PERNYATAAN 1.

JAWABAN

Media pembelajaran yang dibuat sesuai dengan materi

1

2

3

4

2.

Materi yang ada dalam jobsheet mudah untuk dipahami. 1

2

3

4

3.

Contoh program pada jobsheet mudah untuk di pahami. 1

2

3

4

4.

Materi yang disajikan sesuai dengan mata kuliah

1

2

3

4

5.

Materi yang disajikan berisi kompetensi yang butuhkan. 1

2

3

4

6.

Ilustrasi

1

2

3

4

pembelajaran yang diajarkan.

praktik penginderaan visual robot.

dalam

jobsheet

mempermudah

dalam

melaksanakan kegiatan praktikum. 7.

Langkah kerja dalam jobsheet mudah untuk diikuti.

1

2

3

4

8.

Bagian-bagian slider tidak membuat bingung.

1

2

3

4

9.

Pengoperasian media pembelajaran aplikasi pendeteksi

1

2

3

4

1

2

3

4

1

2

3

4

1

2

3

4

lingkaran memberi tambahan pengetahuan tentang 1

2

3

4

objek lingkaran dapat dilakukan dengan mudah. 10.

GUI sebagai hasil output data berfungsi dengan baik dan akurat.

11.

Desain media pembelajaran menarik.

12.

Media

pembelajaran

aplikasi

pendeteksi

objek

lingkaran memberi tambahan pengetahuan dalam pemrograman pada mata kuliah praktik penginderaan visual robot. 13.

Media

pembelajaran

aplikasi

pendeteksi

penginderaan visual robot yang lebih kompleks

120

objek

14.

Media

pembelajaran

aplikasi

pendeteksi

objek

lingkaran dapat membantu dalam memahami materi 1

2

3

4

2

3

4

2

3

4

2

3

4

2

3

4

2

3

4

2

3

4

pada mata kuliah lain. 15.

Media

pembelajaran

aplikasi

pendeteksi

objek

lingkaran membantu mempelajari pemrograman pada 1 pembelajaran praktik penginderaan visual robot. 16.

Media

pembelajaran

aplikasi

pendeteksi

objek

lingkaran dapat memotivasi untuk belajar pemrograman 1 pada pembelajaran praktik penginderaan visual robot. 17.

Media

pembelajaran

aplikasi

pendeteksi

objek

lingkaran menambah kompetensi dalam pemrograman 1 pada pembelajaran praktik penginderaan visual robot. 18.

Media

pembelajaran

aplikasi

pendeteksi

objek

lingkaran dapat meningkatkan keaktifan belajar saat 1 pembelajaran praktik penginderaan visual robot. 19.

Media

pembelajaran

aplikasi

pendeteksi

objek

lingkaran efektif dapat meningkatkan kemampuan 1 belajar peserta didik praktik penginderaan visual robot. 20.

Media

pembelajaran

lingkaran

secara

aplikasi

efisien

pendeteksi

dapat

objek

meningkatkan 1

kemampuan belajar peserta didik secara cepat.

C. Komentar dan Saran Umum ................................................................................................................................ Yogyakarta, .................................

(...................................................)

121

Lampiran 1.4. Uji Blackbox Lembar Uji Blackbox

Mata Kuliah

: Praktik Penginderaan Visual Robot

Sasaran

: Mahasiswa Pendidikan Teknik Mekatronika, FT, UNY

Judul

: Pengembangan Aplikasi Pendeteksi Objek Lingkaran Menggunakan

Metode

Houghcircle

Sebagai

Media

Pembelajaran Penginderaan Visual Robot Peneliti

: Muhammad Rafii Naufal

Dalam rangka penelitian Tugas Akhir Skripsi saya mohon bantuan Saudara untuk menjadi penguji kinerja aplikasi pendeteksi objek lingkaran sebagai media pembelajaran untuk mata kuliah praktik penginderaan visual robot ini agar dapat menjadi media inovatif yang layak digunakan oleh mahasiswa.

A. Petunjuk Pengisian Angket 1. Operasikan media pembelajaran aplikasi pendeteksi objek lingkaran sesuai pernyataan dalam angket. 2. Jawaban diberikan berdasarkan kesesuaian antara pernyataan pada angket dengan kondisi aktual pada media pembelajaran aplikasi pendeteksi objek lingkaran. 3. Mohon diberikan tanda checklist (√) pada kolom penilaian sesuai dengan pendapat saudara. 4. Apabila terdapat kekurangan, mohon kiranya dapat memberikan masukan pada kotak saran.

122

B. Angket Uji Blackbox No.

Fungsi Ya Tidak

Keterangan

1 2

Fungsi Tool strip menu pemilih port kamera Fungsi imageBox 1 (Citra Asli Kamera)

3

Fungsi imageBox 2 (Grayscale)

4

Fungsi imageBox 3 (Deteksi Lingkaran)

5

Fungsi imageBox 4 (Grayscale + GaussianBlur)

6

Fungsi domain UpDown Gaussian Blur

7

Fungsi trackbar Min Radius

8

Fungsi trackbar Max Radius

9

Fungsi trackbar Canny Threshold

10

Fungsi trackbar Accumulator Threshold

11

Fungsi trackbar Overload

12

Fungsi trackbar Radius

13

Fungsi trackbar Ketebalan

14

Fungsi trackbar Biru

15

Fungsi trackbar Hijau

16

Fungsi trackbar Merah

17

Fungsi Deteksi Jumlah Lingkaran

18

Fungsi Deteksi Luas Lingkaran

19

Fungsi Deteksi Diameter Lingkaran

20

Fungsi Library EmguCV

21

Fungsi kinerja media secara keseluruhan

22

Fungsi button Start

23

Fungsi button Pause

24

Fungsi button Stop

25

Fungsi button viewCode

123

C. Komentar dan Saran Umum ................................................................................................................................. ................................................................................................................................. ................................................................................................................................. .............................................................

Yogyakarta, .......................

(...........................................)

124

Lampiran 2. Validasi Instrumen Penelitian

125

126

127

128

129

130

131

Lampiran 3. Hasil Uji Blackbox

132

133

134

135

Lampiran 4. Hasil Validasi Produk Lampiran 4.1. Hasil Validasi Media Lampiran 4.2. Hasil Validasi Materi

136

Lampiran 4.1. Hasil Validasi Media

137

138

139

140

141

142

143

144

145

Lampiran 4.2. Hasil Validasi Materi

146

147

148

149

150

151

152

153

154

Lampiran 5. Hasil Penelitian Lampiran 5.1. Hasil Uji Pengguna

155

156

157

158

159

160

Lampiran 6. Analisis Data Lampiran 6.1. Analisis Data Ahli Media Lampiran 6.2. Analisis Data Ahli Materi Lampiran 6.3. Analisis Data Uji Pengguna Lampiran 6.4. Analisis Data Reliabilitas Instrumen

161

162

163

164

EXCEL:

SPSS:

165

Lampiran 7. Berkas Penelitian Lampiran 7.1. Surat Keputusan Pelaksanaan Tugas Akhir Skripsi Lampiran 7.2. Surat Izin Penelitian

166

167

168

169

Lampiran 8. Program Aplikasi Pendeteksi Objek Lingkaran Lampiran 8.1. Program C# Microsoft Visual Studio 2012 Main.cs

using System; using System.Collections.Generic; using System.ComponentModel; using System.Data; using System.Drawing; using System.Linq; using System.Text; using System.Threading.Tasks; using System.Windows.Forms; using DirectShowLib; using Emgu.Util; using Emgu.CV; using Emgu.CV.CvEnum; using Emgu.CV.Structure; using Emgu.CV.Util; using Emgu.CV.UI; namespace TAS 170

{ public partial class Main : Form { private Capture cap = null; Mat frame = new Mat(); List> listCameraData = new List>(); int cameraIndex; double width = 0; double height = 0; double lowThr; double accThr; double minRad, maxRad; int radiusThr, thick, blue, green, red, ov, gb; int hitung; float[] rad = new float[8]; double[] radd = new double[8]; double[] luas = new double[8]; double[] luass = new double[8]; double[] jarak = new double[8]; double[] jarakk = new double[8]; string method = ""; bool cameraSel = false; bool status = false; public Main() { InitializeComponent();

171

} public void readIndex() { listCameraData = new List>(); DsDevice[] systemCameras = DsDevice.GetDevicesOfCat(FilterCategory.VideoInputDevice); int deviceIndex = 0; foreach (DirectShowLib.DsDevice systemCamera in systemCameras) { listCameraData.Add(new KeyValuePair(deviceIndex, systemCamera.Name)); cameraListMenu.DropDownItems.Add(systemCamera.Name + " - (" + deviceIndex + ")", null, indexSelect); deviceIndex++; } } private void indexSelect(object sender, EventArgs e) { ToolStripMenuItem menu = (ToolStripMenuItem)sender; try { cameraIndex = cameraListMenu.DropDownItems.IndexOf(menu); menu.Checked = true; cameraSel = true; } catch (Exception ex) { MessageBox.Show(ex.Message); } } private void resolutionSelect(object sender, EventArgs e) { x256Res.Checked = false; x480Res.Checked = false; x780Res.Checked = false; x912Res.Checked = false; x1200Res.Checked = false;

172

ToolStripMenuItem menu = (ToolStripMenuItem)sender; menu.Checked = true; string[] res = menu.ToString().Split('x'); width = Convert.ToDouble(res[0]); height = Convert.ToDouble(res[1]); } private void methodeCelect(object sender, EventArgs e) { houghCircleToolStripMenuItem.Checked = false; ToolStripMenuItem menu = (ToolStripMenuItem)sender; menu.Checked = true; method = menu.ToString(); groupBox3.Text = method; groupBox7.Text = " Parameter " + method; } private void processFrame(object sender, EventArgs e) { cap.Retrieve(frame, 0); Mat convertClr = new Mat(); Mat gBlur = new Mat(); CvInvoke.CvtColor(frame, convertClr, ColorConversion.Bgr2Gray); CvInvoke.EqualizeHist(convertClr, convertClr); Mat copy = frame.Clone(); CvInvoke.GaussianBlur(convertClr, gBlur, new Size(gb, gb), 0, 0); CircleF[] circles = CvInvoke.HoughCircles(gBlur, HoughType.Gradient, minRad, maxRad, lowThr, accThr, ov); int i = 0; foreach (CircleF circle in circles) { rad[i] = circle.Radius; radd[i] = Math.Round(rad[i]/2, 0); //luas[i] = circle.Area / 4;

173

luas[i] = 3.14 * radd[i] * radd[i]; luass[i] = Math.Round(luas[i], 0); jarak[i] = radd[i]+140; CvInvoke.Circle(copy, new Point((int)circle.Center.X, (int)circle.Center.Y), radiusThr, new MCvScalar(blue, green, red), thick, LineType.EightConnected, 0); hitung++; i++; } label21.Invoke((MethodInvoker)(() => label21.Text = hitung.ToString())); hitung = 0; status = true; imageBox1.Image = frame; imageBox2.Image = convertClr; imageBox3.Image = copy; imageBox4.Image = gBlur; } private void Main_Load(object sender, EventArgs e) { domainUpDown1.Text = "9"; gb = Convert.ToInt32(domainUpDown1.Text); readIndex(); startBtn.Enabled = true; pauseBtn.Enabled = false; stopBtn.Enabled = false; viewCodeBtn.Enabled = false; } private void startBtn_Click(object sender, EventArgs e) { if (width == 0 && height == 0) { MessageBox.Show("Pilih resolusi kamera yang diinginkan!"); } if (method == "") {

174

MessageBox.Show("Pilih metode deteksi yang diinginkan!"); } if (cameraSel == false) { MessageBox.Show("Pilih kamera yang akan digunakan!"); } if (width != 0 && height != 0 && method != "" && cameraSel != false) { cap = new Capture(cameraIndex); cap.SetCaptureProperty(CapProp.FrameWidth, width); cap.SetCaptureProperty(CapProp.FrameHeight, height); cap.ImageGrabbed += processFrame; cap.Start(); timer1.Start(); startBtn.Enabled = false; pauseBtn.Enabled = true; stopBtn.Enabled = true; viewCodeBtn.Enabled = true; } } private void pauseBtn_Click(object sender, EventArgs e) { cap.Pause(); timer1.Stop(); startBtn.Enabled = true; pauseBtn.Enabled = false; stopBtn.Enabled = false; } private void exitMenu_Click(object sender, EventArgs e) { Environment.Exit(0); this.Close(); } private void pictureBox1_MouseEnter(object sender, EventArgs e) {

175

toolTip1.SetToolTip(pictureBox1, "Gaussian Blur hanya bisa dengan angka ganjil, minimal bernilai 3 \n Tips : turunkan Gaussian Blur, naikkan Accumuator Threshold"); } private void timer1_Tick(object sender, EventArgs e) { lowThr = trackThr.Value; accThr = accThrBar.Value; radiusThr = radiusBar.Value; thick = thickBar.Value; minRad = minRadiusBar.Value; maxRad = maxRadiusBar.Value; blue = blueBar.Value; green = greenBar.Value; red = redBar.Value; gb = Convert.ToInt32(domainUpDown1.Text); ov = ovBar.Value; label3.Text = lowThr.ToString(); label4.Text = accThr.ToString(); label7.Text = radiusThr.ToString(); label9.Text = thick.ToString(); label12.Text = minRad.ToString(); label13.Text = maxRad.ToString(); label15.Text = blue.ToString(); label17.Text = green.ToString(); label19.Text = red.ToString(); label1.Text = ov.ToString();

try { label53.Text = radd[0].ToString(); label52.Text = radd[1].ToString(); label51.Text = radd[2].ToString(); label50.Text = radd[3].ToString(); label57.Text = radd[4].ToString(); label56.Text = radd[5].ToString(); label55.Text = radd[6].ToString();

176

label54.Text = radd[7].ToString(); label46.Text = luass[0].ToString(); label47.Text = luass[1].ToString(); label48.Text = luass[2].ToString(); label49.Text = luass[3].ToString(); label61.Text = luass[4].ToString(); label60.Text = luass[5].ToString(); label59.Text = luass[6].ToString(); label58.Text = luass[7].ToString(); label39.Text = jarak[0].ToString(); label40.Text = jarak[1].ToString(); label41.Text = jarak[2].ToString(); label42.Text = jarak[3].ToString(); label63.Text = jarak[4].ToString(); label62.Text = jarak[5].ToString(); label45.Text = jarak[6].ToString(); label44.Text = jarak[7].ToString(); } catch (Exception ex) { } try { for (int i = 0; i < 9; i++) { rad[i] = 0; radd[i] = 0; luas[i] = 0; luass[i] = 0; jarak[i] = 0; } } catch (Exception ex) { } if (status == true) { hitung += 0; } else { hitung = 0; } }

177

private void stopBtn_Click(object sender, EventArgs e) { Application.Restart(); } private void viewCodeBtn_Click(object sender, EventArgs e) { viewCode tampil = new viewCode(); tampil.Show(); } private void aboutMenu_Click(object sender, EventArgs e) { about tampil2 = new about(); tampil2.Show(); } private void instructionMenu_Click_1(object sender, EventArgs e) { instruction tampil3 = new instruction(); tampil3.Show(); } } }

about.cs

178

instruction.cs

viewFlow.cs

179

viewCode.cs

using System; using System.Collections.Generic; using System.ComponentModel; using System.Data; using System.Drawing; using System.Linq; using System.Text; using System.Windows.Forms; using System.IO; namespace TAS { public partial class viewCode : Form { public viewCode() { InitializeComponent(); } private void button2_Click(object sender, EventArgs e) { using (StreamReader sr = new StreamReader(@".\Resources\FullCode.txt")) { String line = sr.ReadToEnd(); textBox2.Text = line; } }

180

private void button1_Click(object sender, EventArgs e) { using (StreamReader sr = new StreamReader(@".\Resources\HalfCode.txt")) { String line = sr.ReadToEnd(); textBox1.Text = line; } } private void textBox1_TextChanged(object sender, EventArgs e) { textBox1.WordWrap = true; } private void textBox2_TextChanged(object sender, EventArgs e) { textBox2.WordWrap = true; } private void button3_Click(object sender, EventArgs e) { viewFlow tampil4 = new viewFlow(); tampil4.Show(); } private void viewCode_Load(object sender, EventArgs e) { } } }

181

Lampiran 9. Panduan Penggunaan, Materi, dan Jobsheet

182

(MATERIAL, JOBSHEET, AND USER GUIDE FOR CIRCLE OBJECT DETECTION SOFTWARE USING HOUGHCIRCLE METHOD)

2018 MUHAMMAD RAFII NAUFAL - 14518244003 HERLAMBANG SIGIT PRAMONO, S.T., M.Cs.

184

MATERI, JOBSHEET, DAN PANDUAN PENGGUNAAN APLIKASI PENDETEKSI OBJEK LINGKARAN MENGGUNAKAN METODE HOUGHCIRCLE

Judul dalam Bahasa Inggris: MATERIAL, JOBSHEET, AND USER GUIDE FOR CIRCLE OBJECT DETECTION SOFTWARE USING HOUGHCIRCLE METHOD

Oleh: MUHAMMAD RAFII NAUFAL (14518244003) HERLAMBANG SIGIT PRAMONO, S.T., M.Cs.

Sampul Oleh: MUHAMMAD RAFII NAUFAL

Sumber Gambar: Dokumentasi Pribadi (Depan dan Belakang)

© Cetakan Pertama : Juli 2018 Hak cipta dilindungi Allah SWT. Silahkan menggandakan dan memproduksi isi buku ini, baik sebagian maupun seluruhnya dalam bentuk apapun, dan baik seizin tertulis dari penulis maupun tidak.

e-mail : [email protected]

185

KATA PENGANTAR Visual Robot? Siapa yang tak kenal dengannya. Mungkin beberapa golongan orang awam masih belum mengenalnya. Visual robot merupakan salah satu bidang komponen dari dunia robot yang mempelajari bagaimana indera penglihatan dari sebuah robot, layaknya mata dalam sistem penginderaan penglihat dari manusia. Di tengah zaman yang berkembang pesat ini, agar tak ketinggalan zaman, setidaknya kita tahu apa itu visual robot, dasar-dasar nya, atau mungkin kita bisa punya kompetensi menguasai pemrogramannya. Pemrograman dasarnya yang mudah difahami memungkinkan visual robot masih mudah untuk dapat dipelajari di berbagai jenjang pendidikan, seperti sekolah menengah, diploma, sarjana, pascasarjana, pekerja, insinyur, profesor, dan masih banyak lagi pembelajaran visual robot oleh berbagai jenis kalangan masyarakat lainnya. Nah, mungkin dengan hadirnya buku Materi, Jobsheet, dan Panduan Penggunaan Aplikasi Pendeteksi Objek Lingkaran Menggunakan Metode Houghcircle ini bisa membantu para siswa, mahasiswa, guru, dosen, orang awam lain, dan semua yang mungkin membutuhkan agar bisa tahu apa itu visual robot, cara memrogramnya, dan pengaplikasiannya di dunia robot maupun industri. Demikian, mudah-mudahan melalui buku ini, penulis dan para pembaca bisa menguasai dasar-dasar ilmu visual robot, mempraktikkan dan menerapkannya dalam kehidupan sehari-hari. Semoga apa yang kita pelajari membawa kebermanfaatan untuk segalanya. Sekian, Wassalamualaikum Warrahmatullahi Wabarakatuh.

Yogyakarta, Juli 2018

Penulis

186

DAFTAR ISI

KATA PENGANTAR ................................................................................................ 4 DAFTAR ISI ............................................................................................................... 5 DAFTAR GAMBAR .................................................................................................. 6 BAB I : MATERI ....................................................................................................... 7 A. Tujuan Pembelajaran .......................................................................................... 8 B. Dasar Teori ......................................................................................................... 8 1. Citra Digital ................................................................................................. 8 2. Dasar Pengolahan Citra Digital ................................................................... 8 a. Komponen ............................................................................................ 8 b. Pixel ...................................................................................................... 9 c. Pembagian Warna ............................................................................... 10 3. Transformasi Hough .................................................................................. 11 4. EmguCV .................................................................................................... 14 C. Diagram Blok Sistem Pendeteksian Objek Lingkaran ..................................... 16 BAB II : PANDUAN PENGGUNAAN ................................................................... 17 A. Alat dan Bahan ................................................................................................. 18 B. Keselamatan Kerja............................................................................................ 18 C. Langkah Kerja................................................................................................... 18 1. Cara Penggunaan Aplikasi ........................................................................ 18 2. Cara Pembuatan Aplikasi .......................................................................... 26 BAB III : JOBSHEET .............................................................................................. 39 A. Pengujian .......................................................................................................... 40 B. Penugasan ......................................................................................................... 40 REFERENSI ............................................................................................................. 41

187

DAFTAR GAMBAR

Gambar 1. Komponen sistem pengolahan citra digital ............................................... 8 Gambar 2. Ilustrasi digitalisasi citra (pixel pada koordinat x = 10, y = 7) ................. 9 Gambar 3. Permodelan warna RGB .......................................................................... 10 Gambar 4. Permodelan warna CMYK ...................................................................... 10 Gambar 5. Permodelan warna HSV .......................................................................... 11 Gambar 6. Diagram alur dari algoritma Hough Transform ...................................... 12 Gambar 7. Pemanfaatan transformasi Hough untuk mendeteksi batas-batas iris dan pupil ........................................................................................................................... 13 Gambar 8. Transformasi HoughCircles .................................................................... 14 Gambar 9. Arsitektur EmguCV ................................................................................. 15

188

BAB I MATERI

189

BAB I MATERI A.

TUJUAN PEMBELAJARAN

1.

Dapat memahami dasar citra digital dan pengolahan citra digital.

2.

Dapat memahami dasar pemrograman visual robot dengan bahasa pemrograman C# di Microsoft Visual Studio 2012 menggunakan library EmguCV.

3.

Dapat membuat program aplikasi pendeteksi objek lingkaran dengan metode HoughCircle.

B.

DASAR TEORI

1.

Citra Digital Menurut Darma Putra (2010: 19), citra digital merupakan sebuah larik (array)

yang berisi nilai-nilai real maupun kompleks yang direpresentasikan dengan deretan bit tertentu. Suatu citra dapat didefinisikan sebagai fungsi f(x,y) berukuran M baris dan N kolom, dengan x dan y adalah koordinat spasial, dan amplitudo f di titik koordinat (x,y), ini dinamakan intensitas atau tingkat keabuan dari citra pada titik tersebut.

2.

Dasar Pengolahan Citra Digital

a.

Komponen dalam pengolahan citra digital Komponen utama dalam sistem pengolahan citra digital terdiri atas beberapa

komponen. Secara umum komponen-komponen ini dapat ditunjukkan pada Gambar 1 berikut.

190

Gambar 1. Komponen sistem pengolahan citra digital (Sumber: Darma Putra, 2010: 15)

Darma Putra (2010: 15) berpendapat bahwa komputer dalam sistem pengolahan citra digital merupakan komputer umum yang dapat berupa PC (Personal Computer) hingga superkomputer. Software yang digunakan dapat terdiri atas software khusus pengolahan

citra

digital

atau

software

bahasa

pemrograman

untuk

mengimplementasikan algoritma pengolahan citra. Dalam hal ini, seperti dicontohkan oleh Budiman Putra AR (2017: 2) yakni dapat berupa library pemrograman pendukung computer vision gratis seperti OpenCV, EmguCV, SimpleCV, serta AForge.NET. Storage merupakan media penyimpanan citra digital. Sensor citra berguna untuk proses akuisisi citra (mendapat atau membuat citra digital). Display untuk menampilkan citra digital. Hardcopy untuk mencetak kembali citra digital ke dalam bentuk seperti CD, kertas, film, dsb. Network berguna untuk transmisi citra dan biasa butuh bandwith besar.

191

b.

Pixel Pixel biasanya dapat ditulis dalam bentuk matriks berikut:

Nilai pada suatu irisan antara baris dan kolom (pada posisi x, y) disebut dengan picture elements, image elements, pels, atau pixels. Pixels adalah istilah yang paling sering digunakan dalam citra digital. Gambar 2 berikut menunjukkan ilustrasi digitalisasi citra dengan M = 7 baris dan N = 10 kolom (Darma Putra, 2010: 20). Kolom Baris

Gambar 2. Ilustrasi digitalisasi citra (pixel pada koordinat x = 10, y = 7) (Sumber: Darma Putra, 2010: 21)

c.

Pembagian Warna Budiman Putra AR (2017: 76) menuturkan warna dalam sebuah citra dapat

dibagi menjadi beberapa format. Format warna yang disediakan oleh library EmguCV diantaranya: 

RGB (Red, Green, Blue), dengan warna utama merah, hijau, dan biru.

192

Gambar 3. Permodelan warna RGB (Sumber: Budiman Putra A.R., 2017: 78) 

CMYK (Cyan, Magenta, Yellow, Key), dengan warna utama biru muda, merah muda, kuning, dan hitam.

Gambar 4. Permodelan warna CMYK (Sumber: Budiman Putra A.R., 2017: 80) 

HSV (Hue, Saturation, Value), dengan Hue menunjukkan jenis warna, Saturation menunjukkan kemurnian atau kekuatan warna, dan Value disebut juga intensitas, menunjukkan tingkat kecerahan suatu warna.

193

Gambar 5. Permodelan warna HSV (Sumber: Budiman Putra A.R., 2017: 79) 

Grayscale (Citra Abu), hanya punya satu nilai channel pada tiap pixel-nya. Warna-nya hanya abu-abu, tetapi bervariasi pada warna hitam pada intensitas terlemahnya dan warna putih pada intensitas terkuatnya.



Binary (Citra Biner), biasa disebut citra monokrom, hanya punya dua warna, yakni hitam dan putih.

3.

Transformasi Hough Transformasi Hough merupakan salah satu teknik atau metode utama

transformasi citra yang peneliti gunakan untuk mengisolasi suatu objek pada citra dengan menemukan batas-batasnya (boundary detection). Dinamakan transformasi Hough karena penemu metode transformasi ini bernama Paul Hough. Pada tahun 1962, awalnya ia hanya bertujuan untuk mendeteksi adanya garis lurus dalam suatu citra. (Darma Putra, 2010: 222).

194

Gambar 6. Diagram alur dari algoritma Hough Transform (Sumber: Leavers, 1992: 143)

Darma Putra (2010: 223) mengemukakan, tujuan utama dari sebuah transformasi yakni untuk mendapatkan suatu fitur yang lebih spesifik, maka dari itu classical Hough transform diciptakan sebagai teknik yang paling umum digunakan untuk mendeteksi objek yang berbentuk kurva, layaknya garis, lingkaran, elips, dan parabola. Keuntungan utama dengan adanya transformasi Hough ini yakni dapat mendeteksi sebuah tepian dengan celah pada batas fitur dan secara relatif tidak terpengaruh dengan adanya noise atau derau. Transformasi Hough Circle atau lingkaran, menurut Darma Putra (2010: 224), memiliki proses yang terdiri dari tiga bagian dasar, antara lain:

195

d.

Deteksi tepi, yang bertujuan untuk menurunkan jumlah titik dalam pencarian ruang bagi objek. Ketika titik tepi ditemukan oleh pendeteksi tepi, algoritma transformasi Hough bekerja hanya pada titik yang terdeteksi tersebut. Deteksi tepi biasanya menggunakan pendeteksi tepi Canny, Roberts Cross, atau Sobel, yang bertujuan memaksimalkan sinyal pada rasio noise dan lokalisasi serta dapat meminimalisasi kesalahan pada deteksi tepi.

e.

Penggambaran lingkaran, sepanjang tepian yang telah ditemukan dengan jarijari sebesar r. Setelah penggambaran lingkaran sepanjang garis tepian selesai, maka selanjutnya mencari daerah yang paling banyak dilewati garis, lalu daerah tersebut di-asumsi-kan sebagai titik tengah citra yang dicari, seperti pada ilustrasi Gambar 9 berikut.

Gambar 7. Pemanfaatan transformasi Hough untuk mendeteksi batas-batas iris dan pupil: (a) Citra asli, (b) Citra deteksi tepi Canny, (c) Deteksi lingkaran luar dari iris, (d) Deteksi lingkaran dalam iris (batas antara iris dengan pupil) (Sumber: Darma Putra, 2010: 227)

196

f.

Akumulator, merupakan sebuah deret array yang dimanfaatkan agar transformasi Hough dapat bekerja. Array akumulator ini mempunyai dimensi yang berbeda-beda, tergantung dari jumlah parameter dari objek yang dicari. Semisal, pada transformasi Hough Lines atau garis, memerlukan dua parameter, yakni r dan θ, maka dibentuklah sebuah deret array akumulator yang berdimensi dua. Pencarian kemudian dilakukan pada sebuah area pixel dengan mencari kemungkinan hubungan atau garis yang ada. Setiap kemungkinan garis dihitung nilai r dan θ-nya terhadap titik pusat. Kemudian nilai r dan θ disimpan dari setiap kemungkinan hubungan tersebut pada array akumulator. Nantinya, nilai-nilai pada akumulator akan dipetakan ke dalam sebuah grafik yang dinamakan grafik akumulator dengan θ sebagai absis dan r sebagai ordinat. Berikut merupakan contoh citra input dan bentuk grafik akumulatornya:

Gambar 8. Transformasi HoughCircles (Sumber: Nixon & Aguado, 2002: 181)

197

4.

EmguCV Budiman Putra A.R. (2017: 13) mengungkapkan bahwa EmguCV adalah .NET

wrapper (penerjemah) dari library OpenCV untuk penggunaan cross-platform (lintas platform) dan cross-language (lintas bahasa pemrograman). Melalui library ini, fungsi-fungsi dalam OpenCV dapat dipanggil dalam bahasa pemrograman .NET, seperti C#, VB, C++, dan IronPython. Wrapper ini dapat dikompilasikan dengan Visual Studio, Xamarin Studio, dan Unity. Selain itu, EmguCV juga dapat berjalan di berbagai sistem operasi seperti Windows, Linux, MacOS X, Android, dan Windows Phone. Hal tersebut merupakan kelebihan utama dari EmguCV.Arsitektur EmguCV dapat dilihat pada gambar 9 berikut.

Gambar 9. Arsitektur EmguCV (Sumber: Budiman Putra A.R., 2017: 15)

198

-

Layer 1 (layer dasar) terdiri atas fungsi, struktur, dan yang berhubungan langsung dengan library OpenCV. Misalnya Emgu.CV.Structure yang berkorelasi langsung dengan fungsi struktur OpenCV; CvEnum berkorelasi langsung dengan enumerasi dalam OpenCV; serta class CVInvoke yang berkorelasi dengan fungsi OpenCV.

-

Layer 2 terdiri atas semua class yang berhubungan dengan kerangka kerja .NET. Misalnya class: Image, Matrix, dan HaarCascade.

C. DIAGRAM BLOK SISTEM PENDETEKSIAN OBJEK LINGKARAN

199

BAB II PANDUAN PENGGUNAAN

200

BAB II PANDUAN PENGGUNAAN A.

ALAT DAN BAHAN

1.

Laptop / Desktop PC.

2.

Kamera Webcam (jika laptop / desktop tidak terdapat webcam).

3.

Library EmguCV versi 3.1.0.2504.

4.

Software Microsoft Visual Studio 2012.

5.

Software media pembelajaran aplikasi pendeteksi objek lingkaran dengan metode HoughCircle.

6.

Media objek lingkaran yang dideteksi (berupa kertas karton).

B.

KESELAMATAN KERJA

1.

Jauhkan peralatan yang tidak dibutuhkan dari meja kerja.

2.

Ikuti prosedur langkah per langkah dengan teliti sesuai dengan langkah kerja yang tersedia.

3.

Pergunakan laptop / desktop PC dengan langkah-langkah yang benar dan baik pada saat menyalakan ataupun mematikannya.

C.

LANGKAH KERJA

a.

CARA PENGGUNAAN APLIKASI MEDIA PEMBELAJARAN

1.

Download-lah aplikasi media pembelajaran dan media objek lingkaran yang akan dideteksi di link : https://tinyurl.com/houghcircle

201

2.

Cetaklah terlebih dahulu media objek lingkaran yang akan dideteksi berupa file “BUNDAR.pdf” di kertas karton / ivory 230 ukuran A4 dengan tinta berwarna.

3.

Extract-lah file .zip yang telah di download di tempat yang anda inginkan.

202

4.

Buka aplikasi media pembelajaran dengan Microsoft Visual Studio 2012.

5.

Setelah file “TAS.sln” telah terbuka, klik tombol “Start”.

6.

Setelah aplikasi terbuka, pilih menu Utama -> Daftar Kamera -> Pilih device webcam yang diinginkan.

203

7.

Lalu pilih menu Konfigurasi -> Resolusi -> Pilih resolusi yang diinginkan. Contoh: 640x480.

8.

Kemudian pilih masuk ke menu Metode -> HoughCircle

9.

Pastikan semua setting-an telah terpilih dengan mengecek kembali, apakah sudah tercentang atau belum.

204

10.

Bila sudah, klik tombol play berwarna hijau di samping menu bar.

11.

Setelah me-klik tombol play berwarna hijau tadi, ke-empat imageBox menampilkan citra visual dari device webcam.

12.

Letakkan kertas “BUNDAR.pdf” yang sudah dicetak di hadapan webcam. Posisikan hingga seluruh lingkaran dapat terdeteksi oleh aplikasi pendeteksi objek lingkaran.

205

13.

Jika masih ada objek lingkaran yang belum terdeteksi, aturlah domainUpDown Gaussian Blur ke nilai yang lebih rendah, sehingga seluruh objek lingkaran dapat terdeteksi.

206

14.

Selain mendeteksi melalui kertas media yang telah disediakan sebagai media pendeteksi, bisa juga dengan cara mendeteksi menggunakan benda real (sebenarnya) yang ada di sekitar kita, semisal: bola futsal.

15.

Sebagai penguat media, apakah media ini benar-benar hanya bisa mendeteksi benda yang berbentuk lingkaran saja, bisa dengan cara memberi benda berbentuk selain lingkaran di sampingnya, semisal: box peralatan.

207

16.

Fungsi dari masing-masing slider trackbar dan beberapa tombol lainnya: a. Gaussian Blur, bernilai dari angka 3 hingga 25. Berfungsi sebagai pengatur tingkat keburaman gambar. Semakin kecil angkanya, semakin jelas gambarnya. Semakin besar angkanya, semakin buram gambarnya.

b. Min Radius, bernilai dari angka 1 hingga 25. Berfungsi sebagai nilai minimal dari jari-jari lingkaran yang dideteksi.

c. Max Radius, bernilai dari angka 1 hingga 25. Berfungsi sebagai nilai maksimal dari jari-jari lingkaran yang dideteksi.

d. Canny Threshold, bernilai dari angka 160 hingga 255. Berfungsi sebagai parameter spesifik pertama pada metode HoughCircle. Merupakan ambang batas yang lebih tinggi dibanding parameter satunya (Accumulator).

208

e. Accumulator Threshold, bernilai dari angka 160 hingga 255. Berfungsi sebagai parameter spesifik kedua pada metode HoughCircle. Nilainya lebih rendah dua kali dibanding parameter Canny. Merupakan ambang batas yang digunakan di pusat dari sebuah lingkaran yang dideteksi. Jika nilai yang dimasukkan lebih kecil, maka akan lebih banyak kesalahan deteksi pada lingkaran.

f. Overload, bernilai dari angka 0 hingga 10. Berfungsi sebagai nilai pembatas kesensitifan deteksi pada metode HoughCircle. Secara default pun juga sudah bernilai 5.

g. Radius, bernilai dari angka 0 hingga 100. Berfungsi sebagai nilai dari parameter jari-jari lingkaran yang dideteksi. Jika penggambaran lingkaran kurang pas dengan gambar di kamera, bisa disesuaikan dengan cara mengecilkan atau membesarkan nilai parameter ini.

h. Ketebalan, bernilai dari angka 0 hingga 10. Berfungsi sebagai nilai dari parameter pengatur ketebalan penggambaran lingkaran. Semakin besar angkanya semakin tebal border penggambaran lingkarannya.

i. Biru, bernilai dari angka 0 hingga 255. Berfungsi sebagai nilai dari parameter pengatur warna penggambaran lingkaran. Semakin besar angka parameter ini, semakin mendekati warna biru yang sebenarnya.

209

j. Hijau, bernilai dari angka 0 hingga 255. Berfungsi sebagai nilai dari parameter pengatur warna penggambaran lingkaran. Semakin besar angka parameter ini, semakin mendekati warna hijau yang sebenarnya.

k. Merah, bernilai dari angka 0 hingga 255. Berfungsi sebagai nilai dari parameter pengatur warna penggambaran lingkaran. Semakin besar angka parameter ini, semakin mendekati warna merah yang sebenarnya.

l. Tombol Tips

, berfungsi sebagai penampil tips yang membantu dalam

pengaturan nilai parameter yang tersedia sehingga bisa mendeteksi lingkaran, dan juga membantu memahami materi HoughCircle. Tersedia 3 buah tombol tips.

m. Tombol Play

, berfungsi memulai menyalakan webcam dan

menampilkan tampilan kamera dari webcam di imageBox dalam aplikasi. n. Tombol Pause

, berfungsi memberhentikan sementara tampilan kamera

dari webcam.

210

o. Tombol Stop

, berfungsi memberhentikan tampilan kamera dan

mematikan webcam. p. Tombol viewCode

, berfungsi sebagai penampil kode dan diagram alur

yang digunakan dalam membuat aplikasi pendeteksi objek lingkaran.

b.

CARA

PEMBUATAN

PROGRAM

C#

PENDETEKSI

OBJEK

LINGKARAN 1.

Sebelumnya, tutorial membuat program ini sudah saya post di youtube dengan link berikut: https://tinyurl.com/belajarhoughcircle

2.

Download

library

EmguCV

versi

3.1.0.2504

di

alamat

web:

https://sourceforge.net/projects/emgucv/files/emgucv/3.1.0-r16.12/libemgucvwindesktop-3.1.0.2504-r16.12.exe/download

211

3.

Instal library EmguCV versi 3.1.0.2504 yang sudah di-download pada PC. Klik Next terus sehingga dialog instalasi selesai ditunjukkan dengan tombol menjadi Finish.

-> 4.

Setelah proses instal selesai, buka software Microsoft Visual Studio 2012.

212

5.

Klik New Project -> Visual C# -> Windows Form Application dan buatlah project dengan nama “deteksi” dan simpanlah di tempat yang anda inginkan.

6.

Setelah selesai membuat project, maka akan muncul tampilan awal Form1.

7.

Klik kanan pada C# “deteksi” yang ada di Solution Explorer, lalu pilih Add -> Existing Item

213

8.

Masuk ke folder C:\Emgu\emgucv-windesktop 3.1.0.2504\bin\x64 , ganti Visual C# Files dengan All Files.

9.

Pilih semua file .dll yang tersedia, lalu klik Add

214

10.

Blok semua file .dll yang sudah dimasukkan, lalu ganti pengaturannya menjadi Copy Always

11.

Aturlah pengaturan debug program dengan cara meklik tanda panah bawah dekat tombol Start, lalu pilih Configuration Manager

215

12.

Klik tanda panah bawah, pilih New

13.

Klik tanda panah bawah lagi, pilih x64, klik OK, lalu Close

216

14.

Klik kanan pada Reference yang ada di Solution Explorer, lalu pilih Add Reference

15.

Pilih Browse

217

16.

Pilih DirectShowLib-2005.dll. Jika belum punya, bisa download di https://osdn.net/frs/g_redir.php?m=kent&f=advancedhmi%2Fadvancedhmi%2 F3.5%2FMisc%2FDirectShowLib-2005.dll

17.

Lalu Browse lagi, dan buka folder C:\Emgu\emgucv-windesktop 3.1.0.2504\bin, pilih Emgu.CV.World.dll dan Emgu.CV.DebuggerVisualizers.VS2012.dll

218

18.

Blok semua yang sudah dipilih tadi, lalu klik OK

19.

Klik Toolbox, lalu klik kanan di dalamnya, kemudia pilih Choose Items

219

20.

Klik Browse

21.

Pilih folder tadi, kemudian klik Emgu.CV.UI.dll, lalu Open

220

22.

Pastikan ada komponen dari toolbox EmguCV.UI yang sudah tercentang, lalu klik OK

23.

Masukkan beberapa komponen di bawah ini, dan beri nama per komponen sesuai dengan gambar yang tertera berikut:

221

24.

Nilai minimal dan maksimal dari masing-masing trackbar bisa diisi mengacu pada halaman 15 hingga 17 di jobsheet ini!

25.

Jangan lupa memberi sebuah timer juga!

26.

Pengaturan ImageBox nya: klik tanda panah bawah, pilih StretchImage, agar gambar yang akan ditampilkan tidak terlalu besar ataupun terlalu kecil, tapi menyesuaikan dan proporsional dengan seberapa besar jendela ImageBox yang dimasukkan

222

27.

Tekan tombol F7 untuk masuk code editor, lalu masukkan code berikut: using System; using System.Collections.Generic; using System.ComponentModel; using System.Data; using System.Drawing; using System.Linq; using System.Text; using System.Threading.Tasks; using System.Windows.Forms; using DirectShowLib; using Emgu.Util; //libraryEmguCV using Emgu.CV; using Emgu.CV.CvEnum; using Emgu.CV.Structure; using Emgu.CV.Util;

223

using Emgu.CV.UI; namespace deteksi { public partial class Form1 : Form { private

VideoCapture

cap

=

null;

//membaca

kamera

webcam Mat frame = new Mat();

//menginisialisasi variabel

kamera double lowThr; double highThr; double accThr; double dist, param, minRad, maxRad, rad1; int radiusThr, thick, blue, green, red,

//menginisalisasi variabel dari setiap

parameter gb; public Form1() { InitializeComponent(); } private void button1_Click(object sender, EventArgs e) {

224

cap = new VideoCapture(0);

//memilih device webcam

ke-0 cap.ImageGrabbed

+=

processFrame;

//mengambil

gambar dari webcam dan masuk ke fungsi processFrame cap.Start();

//mulai menyalakan webcam

timer1.Start();

//mulai menyalakan timer

} private void processFrame(object sender, EventArgs e) { cap.Retrieve(frame,

0);

//mengambil

gambar

dari

device webcam ke-0 Mat convertClr = new Mat(); //menginisialisasi

variabel

baru

untuk

baru

untuk

imageBox konversi warna ke grayscale Mat gBlur = new Mat(); //menginisialisasi

variabel

imageBox mengatur keburaman gambar CvInvoke.CvtColor(frame, ColorConversion.Bgr2Gray);

convertClr,

//mengonversi warna imageBox1

menjadi grayscale dan outputnya di imageBox2 Mat copy = frame.Clone();

//menggandakan variabel kamera

webcam CvInvoke.GaussianBlur(convertClr, Size(9, 9), 0, 0);

gBlur,

new

//mengatur keburaman gambar sebesar 9 kali

dan outputnya di imageBox4

225

CircleF[] circles = CvInvoke.HoughCircles(gBlur, HoughType.Gradient,

minRad,

maxRad,

lowThr,

accThr,

5);

//mendeteksi bentuk lingkaran dengan metode houghcircle foreach (CircleF circle in circles) { CvInvoke.Circle(copy,

new

Point((int)circle.Center.X, (int)circle.Center.Y), radiusThr, new

MCvScalar(blue,

green,

LineType.EightConnected, 0);

red),

thick,

//menggambarkan setiap lingkaran

yang sudah terdeteksi dan outputnya di imageBox3 } imageBox1.Image = frame;

//input kamera webcam

imageBox2.Image = convertClr;

//output dari rubah warna ke

grayscale imageBox3.Image = copy; //kloningan imageBox1 dan sudah diberi penggambaran dari deteksi lingkaran imageBox4.Image = gBlur;

//output dari pengaturan keburaman

gambar } private void timer1_Tick(object sender, EventArgs e) { lowThr = trackThr.Value; accThr = accThrBar.Value; radiusThr = radiusBar.Value; thick = thickBar.Value; minRad = minRadiusBar.Value; maxRad = maxRadiusBar.Value; blue = blueBar.Value; green = greenBar.Value;

226

red = redBar.Value;

//inisialisasi variabel dari

trackBar label12.Text = lowThr.ToString(); label13.Text = accThr.ToString(); label14.Text = radiusThr.ToString(); label15.Text = thick.ToString(); label10.Text = minRad.ToString(); label11.Text = maxRad.ToString(); label16.Text = blue.ToString(); label17.Text = green.ToString(); label18.Text = red.ToString();

//memberi output

angka yang tertera di setiap trackBar } } }

28.

Setelah kode dimasukkan, cobalah program dengan cara me-klik tombol Start yang berada di atas

227

29.

Klik tombol Mulai untuk memulai menyalakan webcam

30.

Aturlah parameter-parameter yang tersedia hingga segala benda berbentuk lingkaran bisa terdeteksi dengan baik dan benar

228

BAB III JOBSHEET

229

BAB III JOBSHEET A.

PENGUJIAN

1.

Pengujian dilakukan dengan membuka aplikasi media pembelajaran pendeteksi objek lingkaran yang sudah dibuka.

2.

Setelah itu atur slider trackbar per-variabel hingga seluruh lingkaran dapat terdeteksi.

3.

Amati apa yang terjadi. Kemudian tuliskan apa yang telah diamati pada tabel penugasan.

B.

PENUGASAN

a.

Isilah tabel di bawah ini berdasarkan data objek yang muncul di aplikasi pendeteksi objek lingkaran, dan sesuaikan dengan keadaan nyata-nya! Hitung diameter lingkaran asli dengan bantuan penggaris!

230

b.

Warna Lingkaran

Luas

Diameter

Jarak

Merah

… mm2

… mm

… mm

Jingga

… mm2

… mm

… mm

Kuning

… mm2

… mm

… mm

Hijau

… mm2

… mm

… mm

Ungu

… mm2

… mm

… mm

Buatlah program baru aplikasi dengan VS2012 dengan bahasa C# menggunakan library EmguCV untuk mendeteksi satu buah objek berbentuk lingkaran dengan metode HoughCircle, lalu tampilkan DrawCircle nya dengan ketebalan tingkat ke-7 dan warna border luar MERAH!

231

REFERENSI

Leavers, V.F. (1992). Shape Detection in Computer Vision Using the Hough Transform. London: Springer-Verlag. Nixon, Mark & Aguado, Alberto. (2002). Feature Extraction and Image Processing. Great Britain: Newnes. Putra, Darma. (2010). Pengolahan Citra Digital. Yogyakarta: Penerbit ANDI. Rohman, Budiman P.A. (2017). Computer Vision dan Aplikasinya Menggunakan C# dan EmguCV. Yogyakarta: Penerbit ANDI.

232

233

Lampiran 10. Dokumentasi

Penjelasan Materi Penunjang

Penjelasan Bagian dan Cara Kerja Aplikasi Pendeteksi Objek Lingkaran

Mahasiswa Praktik Menggunakan Media Aplikasi Pendeteksi Objek Lingkaran

Pengisian Kuesioner Aplikasi Pendeteksi Objek Lingkaran

234