Perbandingan Metode Contrast Stretching, Histogram Equalization, Dan Adaptive Histogram Equalization Dalam Aplikasi Klasifikasi Arah Pandang Mata

Abstract

Peningkatan jumlah mobil yang beredar selama beberapa tahun terakhir ini secara tidak langsung meningkatkan jumlah kecelakaan. Kecelakaan yang terjadi akibat kesalahan pengendara seringkali berupa hilangnya fokus pengendara, dimana arah pandang mata pengendara teralihkan dari jalan raya. Pada beberapa kasus, teralihkannya arah pandang pengendara dari jalan raya diakibatkan oleh adanya distraksi berupa notifikasi dari ponsel genggam. Dalam rangka mengatasi permasalahan tersebut diperlukan sebuah sistem yang mampu membedakan arah pandang mata pengendara. Untuk membuat suatu sistem mampu membedakan arah pandang mata maka sistem tersebut harus mampu mengklasifikasikan arah pandang tersebut tergolong yang melihat jalan raya atau yang tidak. Dalam proses klasifikasi ada banyak hal yang membuat hasil klasifikasi tidak sesuai dengan harapan, diantaranya disebabkan oleh variasi pada data uji berupa kondisi pencahayaan ataupun aksesoris yang digunakan oleh pengemudi. Aksesoris yang digunakan pengemudi tersebut dapat berupa topi atau kacamata. Oleh sebab landasan tersebut, digunakanlah metode image enhancement yang akan membantu sistem mengklasifikasikan dengan lebih tepat. Kemampuan klasifikasi sistem diukur menggunakan akurasi yang dihasilkan dengan membandingkannya antara tanpa dan dengan menggunakan metode image enhancement. Metode image enhancement yang digunakan antara lain adalah contrast stretching, histogram equalization, dan adaptive histogram equalization. Penggunaan metode image enhancement diharapkan mampu meningkatkan akurasi sistem klasifikator. Berdasarkan keluaran sistem, akurasi total tertinggi sebesar 98% yang diperoleh ketika menggunakan metode histogram equalization. Sedangkan akurasi terendah sebesar 75% dengan metode contrast stretching.

In recent years, the increasing number of cars causes many accidents indirectly. In some cases, those accidents are caused by driver whose focus is distracted by notification from smartphone. To overcome this problem, a system that can differenciate the direction of view on whether on the road or not is needed. To make that kind of system, it has to be able to classify the direction of drivers view. In the classification process there are many factors affecting the validity of the expected system output. In order to minimalize the error of system output, image enhancement method is used on this system. Image enhancement is expected to be able to handle the variations of driving’s situations such as hat or glasses wore by the driver. The perfomance of this system is measured by accuration with or without image enhancement. Some image enhancement is used on the system are contrast stretching, histogram equalization, and adaptive histogram equalization. Based on the output system, the highest accuration reached is 98% using histogram equalization method, and lowest accuration is 75% using contrast stretching.