Penghitung Skor Tembak Otomatis menggunakan Metode Background Substraction dan Euclidean Distance

Moechammad Sarosa, Muhammad Ridwan, Isa Mahfudi, Muh Bambang Purwanto

Abstract


Prajurit TNI khususnya TNI AD di tuntut untuk memiliki kemampuan dan kehandalan dalam menembak. Dalam menunjang kemampuan dan kehandalan tersebut, maka setiap prajurit TNI AD akan melaksanakan latihan menembak setiap 3 bulan sekali. Dalam menghitung skor tembak, saat ini masih dilakukan secara manual yakni ada personil yang bertugas untuk mengamati dan menilai dari skor tembak. Hal ini merupakan perkerjaan yang beresiko tinggi dan berbahaya salain itu juga sangat melelahkan mengingat ketika sedang berlatih menembak terkadang bisa mencapai puluhan personel. Peneliti ingin menerapkan Metode Background Substraction dan Euclidean Distance dalam membangun sebuah sistem penghitung skor tembak secara otomatis. Teknik Background Substraction difungsikan untuk mendeteksi bekas lubang tembak dan Euclidean Distance untuk mengukur jarak antara lubang tembak tehadap titik pusat sekaligus difungsikan untuk perhitungan skor otomatis. Penelitian ini menghasilkan sistem yang mampu berjalan dengan baik pada kondisi pencahayaan normal. Intensitas cahaya berpengaruh terhadap hasil deteksi bekas lubang tembak. Pada kondisi pencahayaan gelap dan sangat terang akan mengurangi tingkat akurasi deteksi. Pada kondisi pencahayaan normal yang terukur pada range 80 lux s.d. 120 lux mampu mendeteksi lubang bekas tembakan dengan baik. Sistem memiliki akurasi dalam mendeteksi hingga mencapai 100% pada kondisi pencahayaan normal serta mampu melakukan perhitungan skor tembakan secara tepat.


Keywords


Lesan Tembak; Lesan L1; Skor Otomatis; Bekas Lubang Tembakan; Pencahayaan

Full Text:

PDF

References


H. R. Dharma and R. Hartono, “Sistem Penghitung Skor Otomatis p ada Olahraga Menembak Menggunakan Metode Analisis Blob Berbasis Matlab Automatic,” TELEKONTRAN, vol. 9, no. 2, 2021.

H. Harmaen, “Design and Implementation Automatic Scoring Computation System for Shooting Sport with Template Matching Algorithm,” INKOM, vol. 6, no. 2, 2012.

C. Ye and H. Mi, “The technology of image processing used in Automatic Target-Scoring System,” Proc. - 4th Int. Jt. Conf. Comput. Sci. Optim. CSO 2011, pp. 349–352, 2011, doi: 10.1109/CSO.2011.287.

H. Ramadhan, R. Maulana, and M. H. H. Ichsan, “Scoring System Otomatis Pada Lomba Menembak Dengan Target Sillhouette Hewan Menggunakan Logika Fuzzy,” J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol. 3, no. 1, pp. 7610–7619, 2019.

F. S. Saro, S. R. U. A. Sompie, and E. K. Allo, “Rancang Bangun Alat Simulasi Latihan Menembak Berbasis Arduino Uno,” J. Tek. Elektro dan Komput., vol. 7, no. 3, pp. 251–258, 2018, doi: 10.35793/jtek.7.3.2018.23636.

A. H. Issa, S. D. Hasan, and W. H. Ali, “Automation of real-time target scoring system based on image processing technique,” J. Mech. Eng. Res. Dev., vol. 44, no. 2, pp. 316–323, 2021.

S. S. Mohamed, N. M. Tahir, and R. Adnan, “Background modelling and background subtraction performance for object detection,” Proc. - CSPA 2010 2010 6th Int. Colloq. Signal Process. Its Appl., pp. 236–241, 2010, doi: 10.1109/CSPA.2010.5545291.

S. S. Cheung and C. Kamath, “Robust techniques for background subtraction in urban traffic video,” Vis. Commun. Image Process. 2004, vol. 5308, p. 881, 2004, doi: 10.1117/12.526886.

D. H. Parks and S. S. Fels, “Evaluation of background subtraction algorithms with post-processing,” Proc. - IEEE 5th Int. Conf. Adv. Video Signal Based Surveillance, AVSS 2008, pp. 192–199, 2008, doi: 10.1109/AVSS.2008.19.

D. Saptoadi, Fauziah, and N. Hayati, “IMPLEMENTASI METODE BACKGROUND SUBTRACTION DAN,” vol. 5, no. 2, pp. 222–228, 2020.

C. Prabowo and Zurnawita, “Penerapan Metode Background Subtraction Dengan Menggunakan Kandidat Sampling Background Untuk Deteksi Kemacetan,” J. Teknol. Inf. dan Ilmu Komput., vol. 5, no. 6, pp. 731–736, 2018, doi: 10.25126/jtiik201856115.

S. Y. Chiu, C. C. Chiu, and S. S. D. Xu, “A background subtraction algorithm in complex environments based on category entropy analysis,” Appl. Sci., vol. 8, no. 6, 2018, doi: 10.3390/app8060885.

D. K. Panda and S. Meher, “Dynamic background subtraction using Local Binary Pattern and Histogram of oriented Gradients,” Proc. 2015 3rd Int. Conf. Image Inf. Process. ICIIP 2015, pp. 306–311, 2016, doi: 10.1109/ICIIP.2015.7414786.

S. Song et al., “Patch-Based Adaptive Background Subtraction for Vascular Enhancement in X-Ray Cineangiograms,” IEEE J. Biomed. Heal. Informatics, vol. 23, no. 6, pp. 2563–2575, 2019, doi: 10.1109/JBHI.2019.2892072.

S. R. Wurdianarto, S. Novianto, and U. Rosyidah, “Perbandingan Euclidean Distance Dengan Canberra Distance Pada Face Recognition,” Techno.Com, vol. 13, no. 1, pp. 31–37, 2014, [Online]. Available: https://publikasi.dinus.ac.id/index.php/technoc/article/view/539.

Z. Mustofa and I. S. Suasana, “Algoritma Clustering K-Medoids Pada E-Government Bidang Information And Communication,” J. Teknol. dan Komun., vol. 9, pp. 1–10, 2018.




DOI: http://dx.doi.org/10.26418/jp.v8i1.51265

Refbacks

  • There are currently no refbacks.