I. Teori Feature Detection
Menurut Alexander A S Gunawan et al. (dalam Jurnal Matematika dan Statistik, 2013), Fitur Deteksi adalah metode untuk mengambil informasi abstrak yang disebut fitur pada sebuah citra dan membandingkan apakah fitur tersebut ada pada citra yang lain atau tidak.
Menurut Paul Rookes dan Jane Wilson (2000), teori-teori pendeteksian fitur hanya sekumpulan fitur yang ditemukan dalam suatu stimulus, tetapi mereka tidak menggambarkan hubungan antara fitur dan bagian-bagian dari objek.
Menurut Selfridge dan Norman (dalam Friedenberg dan Silverman, 2006) model pendeteksian fitur yang paling dikenal disebut model Pandemonium. Itu mendapat namanya dari mental kecil ''Demons'' yang mewakili unit pemrosesan. Demons ini '' berteriak '' selama ketika merekognisi prosesnya.
Jadi Salah satu model pendeteksian fitur yang sangat dikenal adalah Pandemonium. Fitur deteksi sendiri memiliki pengertian yaitu metode atau cara pendeteksian yang dilakukan untuk mengambil gambar, informasi yang ditemukan dalam suatu stimulus tetapi tidak menggambarkan hubungan antara fitur dan bagian lainnya.
II. Tujuan
Tujuan dari diadakannya praktikum yang mempelajari tentang Feature Detection yaitu dapat mendeteksi dan mengidentifikasi fitur-fitur spesifik suatu stimulus dalam suatu lingkungan atau satu kesatuan yang sama.
III. Point Of View
Praktikum ini penting untuk diikuti dikarenakan dengan mempelajari Feature Detection kita dapat membedakan, mendeteksi dan mengidentifikasi fitur-fitur yang spesifik suatu stimulus dalam lingkungan kita, seperti dalam kehidupan sehari-hari ketika kita pergi ke pasar untuk membeli sebuah pisang, untuk mengetahui mana kualitas pisang yang baik kita dapat membedakan beberapa warna pisang tersebut melalui penglihatan kita. Pasti diantara tumpukkan buah pisang, ada beberapa yang berwarna kuning bersih tanpa adanya warna gelap yang berarti menandakan pisang sudah akan membusuk dalam jangka waktu tertentu.
IV. Pelaksanaan
A. Langkah-langkah
a. Sebelum melakukan input di part 1 yang harus dilakukan adalah mematikan part 2 dan 3 dengan cara mengklik tanda seperti saklar lampu. Jika sudah kembali ke part 1.
b. Pada kotak paling kiri yang bertuliskan Target diubah menjadi p (kecil), pada kotak tengah yang bertuliskan Distractor 1 diubah menjadi q (kecil), lalu pada kotak paling kanan yang bertuliskan Distractor 2 diubah menjadi b (kecil).
c. Setelah itu klik File → Start → Start with Auto Logging
d. Setelah melakukan langkah-langkah diatas, muncul instruksi tentang cara pengerjaan. Lalu dibawah tulisan instruksi klik Continue kemudian klik Start Trial.
e. Jika target ada klik Present, Jika tidak ada klik Absent. Setelah klik salah satunya maka akan muncul hasilnya yaitu berupa Correct atau Incorrect dengan keterangan waktunya.
2. Part 2
a. Sebelum melakukan input di part 2 yang harus dilakukan adalah mematikan part 1 dan 3 dengan cara mengklik tanda seperti saklar lampu. Jika sudah kembali ke part 2.
b. Pada kotak paling kiri yang bertuliskan Target diubah menjadi p (kecil) dan diubah colour menjadi warna pink, pada kotak tengah yang bertuliskan Distractor 1 diubah menjadi q (kecil) dan diubah colour menjadi cokelat atau merah marun, lalu pada kotak paling kanan yang bertuliskan Distractor 2 diubah menjadi b (kecil) dan diubah colour menjadi oranye.
c. Setelah itu klik File → Start → Start without Auto Logging
d. Setelah melakukan langkah-langkah diatas, muncul instruksi tentang cara pengerjaan. Lalu dibawah tulisan instruksi klik Continue kemudian klik Start Trial.
e. Jika target ada klik Present, Jika tidak ada klik Absent. Setelah klik salah satunya maka akan muncul hasilnya yaitu berupa Correct atau Incorrect dengan keterangan waktunya.
3. Part 3
a. Sebelum melakukan input di part 3 yang harus dilakukan adalah mematikan part 1 dan 2 dengan cara mengklik tanda seperti saklar lampu. Jika sudah kembali ke part 3.
b. Pada kotak paling kiri yang bertuliskan Target diubah menjadi p (kecil) dan diubah colour menjadi warna pink lalu untuk font diubah menjadi Arial dan font style diubah menjadi Bold Italic, pada kotak tengah yang bertuliskan Distractor 1 diubah menjadi q (kecil) dan diubah colour menjadi cokelat atau merah marun lalu untuk font diubah menjadi Arial dan font style diubah menjadi Italic, lalu pada kotak paling kanan yang bertuliskan Distractor 2 diubah menjadi b (kecil) dan diubah colour menjadi oranye lalu untuk font diubah menjadi Arial dan font style diubah menjadi Bold.
c. Setelah itu klik File → Start → Start with Auto Logging
d. Setelah melakukan langkah-langkah diatas, muncul instruksi tentang cara pengerjaan. Lalu dibawah tulisan instruksi klik Continue kemudian klik Start Trial.
e. Jika target ada klik Present, Jika tidak ada klik Absent. Setelah klik salah satunya maka akan muncul hasilnya yaitu berupa Correct atau Incorrect dengan keterangan waktunya.
4. Hasil
Setelah mengikuti semua tahapan-tahapan yang telah diinstruksikan oleh tutor, maka didapatkan hasil sebagai berikut :
Part 1: Part 2: Part 3:
Correct 4008 msec Correct 6262 msec Correct 3348 msec
Correct 7801 msec Correct 4398 msec Correct 2363 msec
Incorrect 2957 msec Correct 4941 msec Correct 5879 msec
Correct 3289 msec Correct 3789 msec Correct 2641 msec
Correct 5438 msec Correct 5328 msec Correct 2691 msec
Correct 9719 msec Correct 4230 msec Correct 13957 msec
Correct 3348 msec Correct 3508 msec Correct 3520 msec
Correct 4832 msec
V. Jurnal Terkait
Pendeteksian Rambu Lalu Lintas Dengan Algoritma Speeded Up Robust Features (Surf)
Kesimpulan jurnal :
Program aplikasi yang dibangun berdasarkan algoritma SURF miliki ketepatan dalam waktu pendeteksian rambu lalu lintas yang dapat dikenali dengan cepat yaitu waktu rata-rata pengenalan sebesar 101,2 milidetik. Selain itu algoritma ini dapat mendeteksi dalam berbagai ukuran dan sudut yang ditolerir, dan bahkan memiliki kemampuan diskriminasi yang baik jika terdapat benda-benda lainnya disamping rambu lalu lintas tersebut. Adapun kegagalan deteksi rambu lalu lintas disebabkan oleh citra digital kurang jelas dan citra rambu lalu lintas terlalu kecil atau terlalu mengalami deformasi perspektif sehingga tidak dapat dideteksi komponen-komponen penyusunnya. Dengan menggunakan aplikasi Cognitive and Perception version 3 (CP3) kita dapat mengenali target melalui fitur deteksi pada aplikasi tersebut dan mendapatkan hasil benar atau tidaknya dengan dilengkapi keterangan waktu. Hal ini sudah dijelaskan pada teori pengertian fitur deteksi menurut Alexander A S Gunawan et al. (dalam Jurnal Matematika dan Statistik, 2013).
VI. Kesimpulan
Dengan adanya praktikum yang mempelajari tentang Feature Detection saya dapat menyimpulkan bahwa dapat mendeteksi dan mengidentifikasi fiturfitur spesifik yang ditemukan dalam suatu stimulus tetapi tidak menggambarkan hubungan antara fitur dan bagian lainnya seperti yang sudah dijelaskan pada kesimpulan teori melalui tiga tokoh yaitu Alexander A S Gunawan et al. (dalam Jurnal Matematika dan Statistik, 2013), Paul Rookes dan Jane Wilson (2000) dan Selfridge dan Norman (dalam Friedenberg dan Silverman, 2006) melalui aplikasi Cognitive and Perception version 3 (CP3). Dengan menggunakan aplikasi tersebut kita dapat mengenali objek atau target minoritas diantara mayoritas yang sebelumnya sudah diinput dengan cara membedakan objek atau target yang berupa huruf, warna huruf dan font style. Setelah kita berhasil membedakannya maka akan keluar hasilnya berupa keterangan “correct” dan “incorrect” dengan keterangan waktunya.
DAFTAR PUSTAKA
Alexander, G., et al. 2013. Pendektesian rambu lalu lintas dengan algoritma speeded up robust features (SURF), Jurnal Mat Stat, 13, 91-96.
Friedenberg, P., Silverman, G. (2006). Cognitive science “a introduction to the study of mind”. London: SAGE Publications.
Rookes, P., Willson, J. (2000). Perception theory, development and organisation. London: Routledge.
Menurut Selfridge dan Norman (dalam Friedenberg dan Silverman, 2006) model pendeteksian fitur yang paling dikenal disebut model Pandemonium. Itu mendapat namanya dari mental kecil ''Demons'' yang mewakili unit pemrosesan. Demons ini '' berteriak '' selama ketika merekognisi prosesnya.
Jadi Salah satu model pendeteksian fitur yang sangat dikenal adalah Pandemonium. Fitur deteksi sendiri memiliki pengertian yaitu metode atau cara pendeteksian yang dilakukan untuk mengambil gambar, informasi yang ditemukan dalam suatu stimulus tetapi tidak menggambarkan hubungan antara fitur dan bagian lainnya.
II. Tujuan
Tujuan dari diadakannya praktikum yang mempelajari tentang Feature Detection yaitu dapat mendeteksi dan mengidentifikasi fitur-fitur spesifik suatu stimulus dalam suatu lingkungan atau satu kesatuan yang sama.
III. Point Of View
Praktikum ini penting untuk diikuti dikarenakan dengan mempelajari Feature Detection kita dapat membedakan, mendeteksi dan mengidentifikasi fitur-fitur yang spesifik suatu stimulus dalam lingkungan kita, seperti dalam kehidupan sehari-hari ketika kita pergi ke pasar untuk membeli sebuah pisang, untuk mengetahui mana kualitas pisang yang baik kita dapat membedakan beberapa warna pisang tersebut melalui penglihatan kita. Pasti diantara tumpukkan buah pisang, ada beberapa yang berwarna kuning bersih tanpa adanya warna gelap yang berarti menandakan pisang sudah akan membusuk dalam jangka waktu tertentu.
IV. Pelaksanaan
A. Langkah-langkah
1. Part 1
a. Sebelum melakukan input di part 1 yang harus dilakukan adalah mematikan part 2 dan 3 dengan cara mengklik tanda seperti saklar lampu. Jika sudah kembali ke part 1.
b. Pada kotak paling kiri yang bertuliskan Target diubah menjadi p (kecil), pada kotak tengah yang bertuliskan Distractor 1 diubah menjadi q (kecil), lalu pada kotak paling kanan yang bertuliskan Distractor 2 diubah menjadi b (kecil).
c. Setelah itu klik File → Start → Start with Auto Logging
d. Setelah melakukan langkah-langkah diatas, muncul instruksi tentang cara pengerjaan. Lalu dibawah tulisan instruksi klik Continue kemudian klik Start Trial.
e. Jika target ada klik Present, Jika tidak ada klik Absent. Setelah klik salah satunya maka akan muncul hasilnya yaitu berupa Correct atau Incorrect dengan keterangan waktunya.
2. Part 2
a. Sebelum melakukan input di part 2 yang harus dilakukan adalah mematikan part 1 dan 3 dengan cara mengklik tanda seperti saklar lampu. Jika sudah kembali ke part 2.
b. Pada kotak paling kiri yang bertuliskan Target diubah menjadi p (kecil) dan diubah colour menjadi warna pink, pada kotak tengah yang bertuliskan Distractor 1 diubah menjadi q (kecil) dan diubah colour menjadi cokelat atau merah marun, lalu pada kotak paling kanan yang bertuliskan Distractor 2 diubah menjadi b (kecil) dan diubah colour menjadi oranye.
c. Setelah itu klik File → Start → Start without Auto Logging
d. Setelah melakukan langkah-langkah diatas, muncul instruksi tentang cara pengerjaan. Lalu dibawah tulisan instruksi klik Continue kemudian klik Start Trial.
e. Jika target ada klik Present, Jika tidak ada klik Absent. Setelah klik salah satunya maka akan muncul hasilnya yaitu berupa Correct atau Incorrect dengan keterangan waktunya.
3. Part 3
a. Sebelum melakukan input di part 3 yang harus dilakukan adalah mematikan part 1 dan 2 dengan cara mengklik tanda seperti saklar lampu. Jika sudah kembali ke part 3.
b. Pada kotak paling kiri yang bertuliskan Target diubah menjadi p (kecil) dan diubah colour menjadi warna pink lalu untuk font diubah menjadi Arial dan font style diubah menjadi Bold Italic, pada kotak tengah yang bertuliskan Distractor 1 diubah menjadi q (kecil) dan diubah colour menjadi cokelat atau merah marun lalu untuk font diubah menjadi Arial dan font style diubah menjadi Italic, lalu pada kotak paling kanan yang bertuliskan Distractor 2 diubah menjadi b (kecil) dan diubah colour menjadi oranye lalu untuk font diubah menjadi Arial dan font style diubah menjadi Bold.
c. Setelah itu klik File → Start → Start with Auto Logging
d. Setelah melakukan langkah-langkah diatas, muncul instruksi tentang cara pengerjaan. Lalu dibawah tulisan instruksi klik Continue kemudian klik Start Trial.
e. Jika target ada klik Present, Jika tidak ada klik Absent. Setelah klik salah satunya maka akan muncul hasilnya yaitu berupa Correct atau Incorrect dengan keterangan waktunya.
4. Hasil
Setelah mengikuti semua tahapan-tahapan yang telah diinstruksikan oleh tutor, maka didapatkan hasil sebagai berikut :
Part 1: Part 2: Part 3:
Correct 4008 msec Correct 6262 msec Correct 3348 msec
Correct 7801 msec Correct 4398 msec Correct 2363 msec
Incorrect 2957 msec Correct 4941 msec Correct 5879 msec
Correct 3289 msec Correct 3789 msec Correct 2641 msec
Correct 5438 msec Correct 5328 msec Correct 2691 msec
Correct 9719 msec Correct 4230 msec Correct 13957 msec
Correct 3348 msec Correct 3508 msec Correct 3520 msec
Correct 4832 msec
V. Jurnal Terkait
Pendeteksian Rambu Lalu Lintas Dengan Algoritma Speeded Up Robust Features (Surf)
Kesimpulan jurnal :
Program aplikasi yang dibangun berdasarkan algoritma SURF miliki ketepatan dalam waktu pendeteksian rambu lalu lintas yang dapat dikenali dengan cepat yaitu waktu rata-rata pengenalan sebesar 101,2 milidetik. Selain itu algoritma ini dapat mendeteksi dalam berbagai ukuran dan sudut yang ditolerir, dan bahkan memiliki kemampuan diskriminasi yang baik jika terdapat benda-benda lainnya disamping rambu lalu lintas tersebut. Adapun kegagalan deteksi rambu lalu lintas disebabkan oleh citra digital kurang jelas dan citra rambu lalu lintas terlalu kecil atau terlalu mengalami deformasi perspektif sehingga tidak dapat dideteksi komponen-komponen penyusunnya. Dengan menggunakan aplikasi Cognitive and Perception version 3 (CP3) kita dapat mengenali target melalui fitur deteksi pada aplikasi tersebut dan mendapatkan hasil benar atau tidaknya dengan dilengkapi keterangan waktu. Hal ini sudah dijelaskan pada teori pengertian fitur deteksi menurut Alexander A S Gunawan et al. (dalam Jurnal Matematika dan Statistik, 2013).
VI. Kesimpulan
Dengan adanya praktikum yang mempelajari tentang Feature Detection saya dapat menyimpulkan bahwa dapat mendeteksi dan mengidentifikasi fiturfitur spesifik yang ditemukan dalam suatu stimulus tetapi tidak menggambarkan hubungan antara fitur dan bagian lainnya seperti yang sudah dijelaskan pada kesimpulan teori melalui tiga tokoh yaitu Alexander A S Gunawan et al. (dalam Jurnal Matematika dan Statistik, 2013), Paul Rookes dan Jane Wilson (2000) dan Selfridge dan Norman (dalam Friedenberg dan Silverman, 2006) melalui aplikasi Cognitive and Perception version 3 (CP3). Dengan menggunakan aplikasi tersebut kita dapat mengenali objek atau target minoritas diantara mayoritas yang sebelumnya sudah diinput dengan cara membedakan objek atau target yang berupa huruf, warna huruf dan font style. Setelah kita berhasil membedakannya maka akan keluar hasilnya berupa keterangan “correct” dan “incorrect” dengan keterangan waktunya.
DAFTAR PUSTAKA
Alexander, G., et al. 2013. Pendektesian rambu lalu lintas dengan algoritma speeded up robust features (SURF), Jurnal Mat Stat, 13, 91-96.
Friedenberg, P., Silverman, G. (2006). Cognitive science “a introduction to the study of mind”. London: SAGE Publications.
Rookes, P., Willson, J. (2000). Perception theory, development and organisation. London: Routledge.
