Pendahuluan
Perkembangan
teknologi yang sangat pesat saat ini
membuat kita semakin berinovasi untuk membuat hal-hal
yang baru khususnya di bidang teknologi. Perkembangan teknologi juga membuat kita semakin
mudah dalam melakukan segala aktivitas setiap hari. Namun masih
begitu banyak permasalahan yang belum diselesaikan oleh teknologi dan kita harus jeli
dalam melihat permasalahan tersebut. Perkembangan teknologi juga membuat pertumbuhan kendaraan khususnya roda empat semakin
pesat sehingga penggunaan kendaraan menjadi hal yang umum digunakan (Ngafifi, 2014).
Salah satu
permasalahan dalam sistem monitoring
penempatan lokasi parkir khususnya kendaraan roda empat saat ini
adalah belum memiliki sistem monitoring slot parkir
yang bisa digunakan oleh
para pengguna kendaraan sebelum masuk ke
area parkir dan pengguna hanya memiliki informasi area parkir telah penuh atau
kosong pada saat pengguna sudah sampai di area parkir. Akibat dari kurangnya
informasi tersebut, sering ����������� kali
membuat para pengemudi membutuhkan waktu yang lama untuk sekedar menemukan
area parkir. Area parkir
yang seharusnya ditempati
oleh kendaraan juga sering ditemukan ada objek
lain yang menempatinya seperti
keranjang belanja dan lain-lain
(Setiadi et al., 2017).
Sistem
monitoring penempatan
lokasi parkir yang dibangun pada penelitian ini berbasis Internet of Thing (IoT). Pemanfaatan Internet of Things dilakukan
untuk memantau kodisi area parkir dan juga memantau kendaraan yang masuk maupun yang keluar dari area parkir. Penggunaan Internet of Things juga dimanfaatkan untuk melakukan booking
area parkir oleh pengguna sehingga mempermudah pada saat menempati kendaraannya di area parkir. Metode Optical Character Recognition (OCR) dan metode
Learning Vector Quantization (LVQ)
digunakan hanya untuk melakukan identifikasi kendaraan berdasarakan plat nomor
yang terdapat pada kendaraan
(mobil).
Penelitian
sebelumnya yang berhubungan
dengan topik pembahasan dan dijadikan sebagai referensi dalam penelitian ini adalah sebagai
berikut:
Penelitian
yang dilakukan oleh (Kusuma et al., 2018)
tentang prototipe alat monitoring kesehatan jantung berbasi IoT.� Sistem ini mengkombinasikan antara sistem pakar
VCIRS (Variable Centered Intelligence
Rule System ),
pengukuran detak jantung BPM (Beat Per
Minute), dan IoT (Internet of Things)
yang bertujuan untuk memonitoring kesehatan jantung dan mendeteksi penyakit jantung secara dini serta
dilakukan mandiri. Keluaran dari sistem
ini adalah pernyataan bahwa pengguna dalam kondisi jantung sehat atau menderita
gejala penyakit� jantung
kemudian dilanjutkan dengan analisa dari pengguna dengan
memilih gejala sesuai form yang� disediakan. Berdasarkan pengujian dan analisa sistem� bahwa prototipe alat monitoring kesehatan
jantung mampu menganalisa penyakit jantung dengan baik dan dapat dilihat secara online di situs
website.
Penelitian yang dilakukan
oleh (Ramayani et al., 2018)
tentang penerapan IoT (Internet of Things) untuk
pencegahan dini terhadap begal. Penerapan Internet Of Things pada penelitian
ini menggunakan sebuah mikrokontroler NodeMCU yang dilengkapi dengan modul Wi-Fi dan terhubung ke hotspot pengguna. Miniatur yang dibuat berupa sebuah
gelang tangan yang fungsinya untuk mengirimkan informasi berupa sms ke
web server. Informasi� tersebut
berisi lokasi pengguna yang diperoleh dari modul GPS. Informasi yang diterima oleh server
kemudian ditampilkan pada aplikasi android berupa sebuah notifikasi. Hasil dari pengujian dikatakan bahwa sistem dapat mengirimkan
data lokasi dengan akurasi sebesar 80% .
Penelitian yang dilakukan
oleh (Muktiawan & Nurfiana, 2018)
tentang sistem monitoring penyimpanan kebutuhan pokok berbasis internet of things
(IoT). Pengembangan sistem ini digunakan untuk
melihat ketersediaan kebutuhan bahan pokok secara real-time, sehingga apabila
ketersediaan kebutuhan pokok berkurang atau habis pengguna
dapat memenuhi kebutuhan pokok tersebut. Sistem ini menggunakan sensor load
cell untuk mengukur berat beras dan sensor limit
switch untuk menghitung
jumlah telur. Data yang dihasilkan sensor akan diproses oleh arduino dan dikirimkan ke website thingspeak. Hasil uji coba membuktikan bahwa sistem ini dapat
mengirimkan informasi yang akurat dari manapun
tanpa terhalang jarak, selama sistem
terhubung dengan internet.
Hasil dari pengujian
sistem diperoleh bahwa sistem mampu
untuk melakukan pemantauan volume botol infus dengan baik
dan data informasinya pun dapat
diakses melalui web (Sasmoko & Wicaksono, 2017).
Sistem keamanan ruangan berbasis internet of things� dengan menggunakan
aplikasi android. Sistem ini bekerja� menggunakan
beberapa module diantaranya
module RFID (Radio Frequency
Identification), module kamera dan solenoid door lock. Kartu
RFID pada module RFID ini berfungsi
sebagai proses identifikasi
orang yang ingin masuk ke dalam ruangan.
Hasil dari pengujian sistem ini dapat
berjalan dengan baik ketika kecepatan
internet dari akses point
berjalan dengan cepat dan stabil, tetapi kurang optimal ketika kecepatan internet dari akses point berjalan dengan lambat (Kristomson et al., 2019).
Pengembangan aplikasi
pengenalan plat nomor kendaraan roda dua pada area parkir. Berdasarkan hasil pengujian diperoleh bahwa hasil terbaik
pengambilan gambar dilakukan pada lingkungan parkir dengan pencahayaan
yang redup seperti berada di area bawah tanah dan lingkungan parkir yang tertutup, di mana tingkat keberhasilan mencapai 95%. Gambar dapat diproses dengan baik oleh sistem jika� ketajaman kamera minimal 5 megapixel atau
ukuran gambar di atas 100kb dan hasil identifikasi yang baik apabila pencahayaan yang merata dan tidak terang, jarak yang tidak terlalu jauh
akan mempermudah dalam proses identifikasi (Awangga et al., 2020).
Aplikasi pembacaan
plat nomor kendaraan berbasis mobile dengan menerapkan metode Optical
Character Recognition (OCR). Hasil percobaan menunjukkan bahwa metode Optical
Character Recognition (OCR) dapat mengenali 100% karakter pada plat
kendaraan. Pemrosesan gambar yang diterapkan dalam aplikasi ini dapat meningkatkan
kinerja identifikasi sekitar 87,82% dalam berbagai situasi pencahayaan. Hal yang penting
pada saat melakukan pengambilan gambar sebuah objek adalah
kebisingan, kerapatan cahaya, kemiringan sudut, dan situasi pencahayaan. Waktu rata-rata yang diperlukan
untuk proses identifikasi
plat nomor sekitar 3,345 detik (Siregar et al., 2017).
Identifikasi plat nomor
kendaraan berbasis mobile
dengan metode Learning Vector Quantization (LVQ).
Hasil yang didapat terkait dengan proses klasifikasi images diperoleh
tingkat akurasinya cukup baik dengan
nilai presentasi rata-rata
95.32% (Solichin et al., 2015).
Penelitian yang dilakukan
oleh (Bahri, 2012)
tentang Perbandingan algoritma template
matching dan feature extraction
pada optical character recognition.
Hasil perbandingan dari penelitian ini menunjukan bahwa algoritma feature
extraction memiliki tingkat
akurasi yang lebih baik dari pada algoritma template
matching dimana algoritma
template maching
sulit untuk dikembangkan karena bekerja dengan menyesuaikan intensi pixcel dan membutuhkan waktu yang lama untuk mengenali dokumen yang di uji, sedangkan algoritma feature
extraction memiliki peluang
untuk bisa dikembangkan serta proses pengenalan dokumen pun sangat cepat.
Implementasi Optical Character Recognition (OCR) pada Mesin
Penerjemah Bahasa Indonesia ke
Bahasa Inggris.�
Hasil yang diperoleh menggunakan
pengujian black
box testing dapat meng-handle proses input dengan baik, terutama pada proses penangkapan data yang di inputkan
namun tidak dapat menerjemahkan kata dengan menggunakan huruf kapital, tanda baca dan tidak dapat bekerja
pada posisi handphone
landscape (Setiawan et al., 2017).
Penelitian yang dilakukan
oleh tulisan (Apriyanti & Widodo, 2016)
dengan topik Implementasi Optical
Character Recognition (OCR) Berbasis Backpropagation untuk
Text to Speech perangkat
android. Sistem pengenalan karakter pada penelitian ini menggunakan model jaringan syaraf tiruan (JST) dengan akurasi 97,58%. Sistem ini mampu mengenali
beberapa tipe font yakni Arial, Calibri, dan Verdana. Rata-rata akurasi pengenalan pada sampel uji yang digunakan di dalam penelitian ini sebesar 94,7% dengan kondisi jarak pengambilan gambar pada rentang jarak 3-8 cm dan posisi kamera tegak lurus
menghadap kertas.
Hasil studi literatur
diatas terlihat bahwa penggunaan Internet Of Things
sangat membantu dan mempermudah dalam melakukan monitoring dimana
IoT mampu menyajikan informasi secara real-time sehingga pekerjaan pun menjadi efektif dan efisien. Penggunaan algoritma Optical
Character Recognition (OCR) dan Metode Learning Vector
Quantization (LVQ) pun mendapatkan akurasi yang lebih tinggi,� namun harus di lakukan kombinasi untuk mendapatkan hasil terbaik. Sehingga pada penelitian ini penulis memilih model tersebut untuk dijadikan sebagai model dalam proses pengembangan sistem monitoring
penempatan lokasi parkir yang penulis teliti.
Jadi, Internet of Things merupakan sebuah konsep dimana
objek tertentu mempunyai kemampuan untuk mengumpulkan dan mentransferkan data melalui jaringan internet tanpa intevensi manual. Ide awal Internet of Things pertama
kali dimunculkan oleh Kevin Ashton pada tahun 1999 di salah satu presentasinya. Kini banyak perusahaan besar mulai mendalami
Internet of Things seperti Intel,
Microsoft, Oracle, dan banyak lainnya.
Banyak yang memprediksi bahwa
pengaruh Internet
of Things� adalah
� the next big thing� di dunia teknologi informasi, hal ini karena
IoT menawarkan banyak potensi yang bisa digali.
Konsep
IoT sebetulnya cukup sederhana dengan cara kerja mengacu
pada 3 elemen utama pada arsitektur IoT, yakni: barang fisik yang dilengkapi dengan modul IoT,� perangkat
yang terkoneksi ke internet
seperti Modem dan Router
Wireless, dan �Server tempat menyimpan aplikasi dan database.
Gambar 1
Konsep IoT (Siregar et al., 2017)
Metode Penelitian
Penelitian ini
menggunakan metode penelitian kuantitatif dengan pendekatan
metode eksperimen
dengan tujuan mengembangkan sistem berkaitan dengan sistem penempatan lokasis parkir berbasis IoT. Data yang digunakan
bukan berupa angka-angka melainkan data tersebut bersumber dari atau didapatkan
melalui wawancara, catatan lapangan dan catatan pribadi. Sehingga yang menjadi tujuan penelitian kualitatif ini ingin menggambarkan kejadian yang sebenarnya. Oleh karena itu, pendekatan
kualitatif dalam penelitian ini adalah penelitian yang menghasilkan data deskriktif berupa kata-kata atau lisan dari orang-orang dan perilaku yang diamati (Moleong, 2019).
Penelitian deskriptif dengan pendekatan kualitatif memerlukan keterangan langsung dari narasumber tentang keadaan subjek dan objek penelitian yang akan diteliti.
Sumber informasi
yang diperoleh pada penelitian
ini berasal dari data primer dan data sekunder.
Pengumpulan data primer dilakukan
dengan proses observasi langsung sedangkan untuk data sekunder diperoleh melalui studi literatur. Terkait dengan data dan informasi yang dibutuhkan pada saat melakukan observasi dan studi pustaka adalah sebagai berikut:
1. Observasi
Observasi atau
pengamatan merupakan suatu cara mengumpulkan
data dengan jalan mengadakan pengamatan terhadap kegiatan yang sedang berlangsung. Kegiatan tersebut bisa berkenaan dengan aktivitas yang dijalankan oleh pengemudi mulai dari proses awal sebelum masuk
lokasi parkir sampai selesai yaitu keluar dari
lokasi parkir. Observasi merupakan penelitian yang dilakukan secara sistematis dan sengaja dilakukan dengan menggunakan indra penglihatan untuk melihat semua
aktivitas yang sedang terjadi kemudian langsung dilakukan analisa.
2. Studi Pustaka
Pengumpulan data yang diperoleh berdasarkan studi literatur ini berupa teori-teori
seperti buku, jurnal, dan tesis yang berhubungan dengan topik penelitian. Untuk proses pengumpulan peper pada penelitian ini penulis menggunakan
metode PRISMA (Preferred
Reporting Items for Systematic Reviews and Meta-analyses). Merupakan sebuah metode sistematic review (Handayani, 2017)
yang memiliki beberapa tahap seperti yang terlihat pada gambar 2 berikut.
Gambar 2
Proses Pemilihan Studi Literatur
a. Kriteria Kelayakan
Kriteria kelayakan
yang diambil pada penelitian
ini ditentukan dengan kriteria inklusi (IC) sebagai berikut:
1) �IC1: artikel harus merupakan riset asli yang telah di kaji dan dituliskan dalam bahasa inggris atau Indonesia
2) IC2: Artikel
memiliki tujuan untuk mendapatkan informasi yang akurat dan detail
Dari semua paper
yang telah dikumpulkan oleh
penulis ada beberapa peper yang ditulis dalam bahasa
Indonesia dan paper-paper tersebut sudah di publikan di beberapa website yang sudah terakreditasi. Berikut ini merupakan langkah-langkah
yang digunakan oleh penulis
dalam mencari sumber referensi menurut pedoman PRISMA. Pada
proses pencarian yang dilakukan oleh penulis hanya berfokuskan
pada artikel
yang membahas tentang materi terkait sistem monitoring lokasi
parkir, Internet
Of Things (IoT),� metode Learning Vector Quantization (LVC) dan Optical Character
Recognition (OCR).
b. Sumber informasi
Proses pencarian
paper yang digunakan oleh penulis
pada penelitian ini berasal dari database studi akademis seperti Shinta, Science
Direct, Academia, IEEE Xplore, dan Research Gate. Dalam proses pencarian penulis hanya mengambil
paper-paper yang tidak meminta
persyaratan yang harus dipenuhi oleh penulis sehingga informasi yang didapat sangat terbatas.
c. Pemilihan studi
Proses pemilihan
studi yang dilakukan dengan beberapa tahapan seperti:
1) Pencarian kata kunci
diambil berdasarkan minat dan tujuan penulisan yaitu sistem monitoring,
Internet Of
Things (IoT), metode Learning Vector
Quantization (LVC) dan Optical
Character Recognition (OCR).
2) Eksplorasi dan pemilihan
judul, abstrak dan kata kunci� dari paper
yang di identifikasi dilakukan
berdasarkan kriteria kelayakan
3) Pembacaan secara
menyeluruh pada paper yang memenuhi
kriteria sehingga memperoleh paper-paper yang sesuai
(layak)
4) Membuat daftar referensi untuk menemukan studi yang relevan
d. Pengumpulan data
Proses pengumpulan
data dilakukan secara
manual menggunakan tabel SOTA
yang isinya terdiri atas: Judul, tahun terbit, penulis, metode, dan hasil. Paper
yang relevan akan dinilai secara deskriptif secara bersama-sama dan dalam proses penilaian tersebut.
e. Pengumpulan item data
Informasi yang diambil
dari setiap paper yang penulis lakukan adalah berdasarkan penjelasan tentang penggunaan sistem monitoring, Internet Of Things (IoT), metode Learning Vector Quantization (LVC) dan Optical Character Recognition
(OCR).
A. Blok Diagram
Blok diagram ini merupakan gambaran dasar mengenai sistem yang akan� dirancang.
Setiap bagian blok� sistem memiliki fungsi masing-masing, dengan memahami gambar blok diagram maka sistem yang dirancang sudah dapat dibangun dengan baik. Adapun blok diagram yang akan dirancang seperti dicantumkan pada Gambar 3 dibawah
ini.
Gambar 3
Blok Diagram Sistem Monitoring Penempatan
Lokasi Parkir
Penjelasan lengkap
dari blok diagram diatas adalah sebagai
berikut:
1. Mesin QR-Code
Penggunaan mesin QR-Code pada sistem
monitoring penempatan lokasi
parkir ini yaitu untuk melakukan
verifikasi tiket parkir yang telah diperoleh pengguna pada saat booking.
Proses ini dilakukan sebelum pengguna kendaraan masuk atau keluar dari
area parkir, lebih tepatnya dipintu utama area parkir. Data hasil scanning yang dilakukan
mesin QR-Code
kemudian dikirim ke web server oleh mikrokontroler
melalui jaringan internet untuk dilakukan proses pengecekan. Hasil yang diperoleh kemudian di kirim kembali ke mikrokontroler
berupa sebuah respon yang isinya �TRUE atau �FALSE�. Apabila respon yang diterima oleh mikrokontroler berstatus �TRUE� maka motor servo akan aktif untuk membuka
pintu sehingga pengguna bisa masuk
kedalam area parkir.
2. Sensor Proximity
Penggunaan sensor proximity pada sistem ini adalah
untuk melakukan pendeteksian objek yang menempati area parkir dan hasil pendeteksiannya akan mempengaruhi perubahan warna pada LED yakni warna hijau
jika area parkir kosong dan warna merah jika area parkir telah terisi.
3. Kamera
Penggunaan kamera
pada sistem ini adalah untuk mengambil
gambar objek yang menempati area parkir dan fungsi ini akan
aktif (mengambil gambar) apabila sensor telah mendeteksi adanya objek yang menghalangi sensor. Setelah gambar
di peroleh kemudian dikirm ke web server oleh mikrokontroler melalui jaringan internet untuk dilakukan proses indentifikasi.
Proses identifikasi pada penelitian
ini menggunakan 2 metode yaitu OCR (Optical Charcter
Recognition) dan LVQ (Learning Vector
Quantization). Hasil proses identifikasi di kirim kembali ke
mikrokontroler berupa sebuah respon yakni
�TRUE � atau �FALSE�. Jika statusnya TRUE itu berarti ada kendaraan
yang menempati area parkir sedangkan respon �FALSE�� menandakan
ada objek lain yang menempati area parkir. Respon yang statusnya �FALSE�� akan
membuat buzzer
(alarm) akan aktif
yang fungsinya untuk memberitahukan kepada penjaga untuk segera
di cek area parkirnya.
4. LCD
Penggunaan LCD pada sistem
ini untuk menampilkan status ketersediaan
area parkir yang diambil dari web server secara real-time dan status tersebut
akan berubah apabila pengguna melakukan booking
pada aplikasi website.
5. Buzzer
Penggunaan buzzer sebagai
notifikasi atau pemberitahuan kepada penjaga lokasi parkir apabila area parkir ditempati oleh objek lain yang bukan kendaraan.
6. LED
Penggunaan LED pada sistem
ini sebagi indikator terkait dengan kodisi area parkir. LED yang berwarna hijau menandakan area parkir belum terisi
sedangkan LED berwarna merah menandakan area parkir sudah terisi.
7. Motor Servo
Penggunaan motor servo pada sistem ini adalah
untuk membuka dan menutup pintu masuk
dan juga pintu keluar area parkir. Motor servo akan aktif apabila proses verifikasi oleh mesin QR-Code berhasil
dilakukan.
8. Modul Wi-Fi
Penggunaan Modul Wi-Fi pada sitem ini
adalah untuk menghubungkan perangkat dengan jaringan sehingga dapat melakukan� berkomunikasi
dengan prangkat lain.
9. Router
Router digunakan untuk menghubungkan beberapa jaringan, baik itu jaringan
yang sama maupun juga jaringan yang berbeda. Pada sistem ini fungsi
router adalah sebagai
penghubung antara layanan internet yang disediakan
oleh mikrokontroler dengan layanan yang digunakan oleh web
server sehingga bisa berkomunikasi satu sama lain dalam berbagi informasi.
10. Web Server
Penggunaan web server pada sistem ini� sebagai
tempat penyimpanan data dan
juga pengelolahan informasi
baik yang masuk maupun yang keluar dari web server. Didalam web
server sendiri terdapat
database dan juga website.
11. OCR dan LVQ
OCR dan LVQ adalah
2 buah metode yang digunakan untuk melakukan identifikasi kendaraan berdasarkan data gambar yang dikirim dari mikrokontroler.
12. Website
Website merupakan
sebuah aplikasi sistem monitoring yang bisa
digunakan oleh pengguna baik untuk melakukan
booking maupun sekedar
melihat informasi terkait dengan area parkir.
B. Desain Rangkaian
Hadware
Pada tahapan
ini dilakukan� desain
rangkaian koneksi antara perangkat keras terlebih dahulu sehingga tidak terjadi kesalahan
yang fatal yang bisa menyebabkan
perangkat tidak bisa berfungsi dengan normal. Dengan dibuatnya sebuah desain akan mempermudah� dalam proses
pengontrolan dan membaca alur serta koneksi
antara device,
mulai dari proses awal pada saat perangkat dinyalakan sampai pada proses akhir. Berikut ini merupakan
gambar rancangan perangkat keras dari sistem monitoring penempatan lokasi
parkir.
Gambar 4�
Rangkaian Perangkat� Keras
Keterangan:
1. Pin 2 dan 3 pada Arduino Mega terhubung ke pin D6 dan D7 pada NodeMcu digunakan sebagai komunikasi serial.
2. Pin D4 dan D5 pada NodeMcu terkuhubung ke pin RX dan TX pada Camera ESP 32 Cam digunakan
sebagai komunikasi serial.
3. Pin 14 dan 15 pada Arduino Mega terhubung ke pin RX dan TX pada QR-Code satu.
4. Pin RX dan TX pada arduino Mega terhubung ke Pin RX dan RX pada
QR- Code dua.
5. Pin 7 dan pin 16 pada Arduino Mega
terhubung ke pin input� pada kedua motor Servo.
6. Pin 4,5 dan 6 pada Arduino Mega terhubung ke pin 3 pin input
pada Sensor Proximity.
7. Pin Grd
dan 5V pada semua prangkat terhubung ke pin Grd dan 5V pada power
suppla.
8. Pin 8,9.,10,11,12 dan 13 pada arduino Mega terhubung ke pin input pada 6 LED.
9. Pin D2 pada NodeMcu
terhubung ke pin input
pada LED.
10. Pin SDA dan SCL pada LCD 16x2 dihubungkan dengan pin A5 dan A4
pada Arduino Mega.
C. Desain Prototiype
Sistem Monitoring
Pada tahapan
ini, proses perancangan dimulai dari proses� desain miniatur area parkir yang berukuran 70 cm x 40 cm dengan kapasitas mobil � 3 buah untuk mewakili
tiap lokasi parkir. Pada tahapan ini pula harus benar-benar dilakukan Analisa terkait penempatan komponen-komponen yang ada sehingga pada tahap pembuatan miniatur tidak terjadi kesalahan.
Berikut merupakan desain dari prototype sistem monitoring area parkir.
Gambar 5
Desain Area Parkir Sistem
Monitoring
Pada sistem
ini pintu parkir dirancang menggunakan motor servo yang bekerja
secara otomatis untuk membuka dan menutup pintu masuk
area parkir hal ini akan terjadi
ketika QR-Code sudah dilakukan proses verifikasi. Kendaraan akan menempati area parkir yang kosong berdasarkan lampu indikator berwarna merah berupa LED pada area parkir. Area
parkir yang sudah ditempati oleh kendaraan dapat di ketahui dengan melihat warna pada LED (Hijau). Sensor kamera
ESP 32 Cam yang� ditempatkan pada area parkir
pun akan melakukan proses pengambilan gambar apabila sensor mendeteksi adanya objek yang mendekati dan gambar tersebut dikirim ke server untuk dilakukan konversi ke plaintext dengan menggunakan metode OCR dan proses klasifikasi
menggunakan LVQ.�
Hasil yang didapat kemudian
disesuaikan dengan dataset
yang ada dan jika data tidak ditemukan maka alarm (buzzer)
akan menyala menandakan bahwa ada objek lain yang bukan kendaraan yang menempati area parkir.
D. Desain Arsitektur
Jaringan Sistem Monitoring
Sistem monitoring memiliki arsitektur
jaringan seperti pada gambar berikut ini, dimana di dalam sistem ini
terdapat server aplikasi,
para pengguna, internet, akses
poin dan juga adanya mikrokontroler.
Gambar 6
Desain Arsitektur Jaringan
Sistem Monitoring
Pada sistem
yang dibangun ini semua informasi baik itu yang berasal
dari sensor maupun inputan user akan melewati internet menuju server
aplikasi dan server akan
merespon semua informasi yang ia terima sesuai dengan
permitaan. Pada sistem ini mikrokontroler terhubung ke akses
poin untuk bisa mengirim atau
membaca data dari server.
E. Prototype Hardware
Tahapan prototype hardware, rangkaian alat yang dibangun akan disesuaikan
dengan desain rangkaian perangkat keras yang sudah dibahas sebelunya pada gambar 7 diatas, dimana pada prototype
ini banyak menggunakan komponen elektronik seperti Arduino mega,
Node MCU 8266, Sensor jarak, LED, servo, power
external dan beberapa komponen
lainnya seperti pada gambar 7 berikut.
Gambar 7
Prototype Hardware Sistem Monitoring
F. Prototype Software
Prototye sistem atau aplikasi dalam
penelitian ini dibuat menggunakan bahasa pemrograman PHP, CSS dan Java Script berikut
merupakan tampilannya.
Gambar 8
Desain Prototype Sistem Monitoring
Gambar diatas
dapat dijelaskan bahwa sistem monitoring penempatan lokasi parkir yang dibuat memiliki beberapa fiture yang bisa digunakan baik untuk melakukan monitoring
maupun untuk proses pemesanan tiket parkir (booking) seperti halaman utama, administrator yang bisa
digunakan untuk monitoring,
halaman area lokasi parkir digunakan untuk tempat parkir
yang sudah terhubung ke sistem, halaman
area parkir digunakan untuk melihat secara
detail tempat parkir, halaman konfirmasi pembayaran dan juga halaman tiket parkir berupa
QR Code yang bisa digunakan
untuk masuk ke area parkir.
G. Pengujian Sistem
Pengujian yang dilakukan
pada penelitian ini yaitu dengan menggunakan
black box testing. Pengujian black box
testing dilakukan untuk
menguji setiap proses yang ada pada sistem dan mengetahui adanya kemungkinan kesalahan yang terjadi. Berdasarkan hasil pungujian fungsional pada sistem yang dibangun dengan menggunakan skenario pengujian funsional yang dilakukan maka akan didapat sebuah
kesimpulan apakah sistem mampu menghasilkan
output yang baik
sesuai dengan harapan pada penelitian ini. Pengujian metode ORC dan LVQ pada sistem
yang dibangun menentukan akurasi ketepatan dari setiap identifikasi
yang dilakukan.
1. Pengujian Data Testing
Pengujian sistem dapat mendefenisikan kumpulan kondisi input dan melakukan pengetesan pada spesifikasi fungsional program. Berikut merupakan skenario dan hasil� pengujiannya.
a. Pengujian Perangkat Sensor
Gambar
9
Proses
Pengujian Sensor Proximity
Pengujian perangkat sensor proximity dilakukan dengan cara menghubungkan perangkat sensor dengan mikrokontroler dan diukur jarak yang bisa dideteksi oleh sensor pada saat objek lain mendekatinya Hasil yang didapat akan dibandingkan dengan pengukuran manual menggunakan mistar (meteran). Pengujian dapat dilihat pada tabel 2 berikut ini.
Tabel 2
Pengujian Sensor Proximity
|
Pengukuran
Manual (Mistal) |
Pengukuran
Otomatis (Sensor Proximity |
Akurasi |
|
3cm |
3cm |
100% |
|
6cm |
6cm |
100% |
|
10cm |
10cm |
100% |
|
15cm |
15 cm |
100% |
|
20cm |
20cm |
100% |
b. Pengujian Modul Wi-Fi
Gambar 10
Proses Pengujian Modul Wi-Fi
Proses pengujian modul Wi-Fi ini digunakan untuk mengetahui apakah koneksi dan kecepatan pada saat membaca data yang diberikan oleh server dan juga koneksi pada saat pengiriman data ke server. Pengujian dilakukan dengan cara menghubungkan Wi-Fi modul ke mikrokontroler dan mengitung waktu yang dibutuhkan selama kurang lebih 15 detik dengan jumlah paket yang akan dikirm sebanyak 5 paket data.� Perhitungan dilakukan 3 menit/1 paket data dan hasilnya dapat dilihat pada tabel 3 berikut.
Tabel 3
Pengujian Modul Wifi
|
Paket
dikirim |
Paket
diterima |
Waktu (ms) |
|
Data ke-1 |
1 |
0.3 |
|
Data ke-2 |
1 |
0.4 |
|
Data ke-3 |
1 |
0.3 |
|
Data ke-4 |
1 |
0.5 |
|
Data ke-5 |
1 |
0.3 |
Berdasarkan hasil pengujian yang terdapat pada tabel 3 diatas bahwa data yang dikirim mengalami delay selama 1 sampai 2 detik dan itu terjadi pada data ke 2 dan ke 4.
c. Pengujian Modul Kamera
Gambar 11�
Proses Pengujian Kamera
Pengujian dilakukan
dengan proses meletakan objek berupa purwarupa
sebuah kendaraan di depan kamera ESP32 Cam dan dihitung berapa waktu yang dibutuhkan dari proses pengambilan gambar sampai pada proses pengirimannya ke web server. Pada pengujian ini menggunakan 5 tahap� proses pengiriman
data dan hasil pengujiannya
dapat dilihat pada tabel pengujian berikut.
Tabel 4
Pengujian Modul Wifi
dan Kamera ESP32 Cam
|
Paket
data |
Waktu (ms) |
Status |
|
1 |
3-10 |
Berhasil |
|
2 |
3-15 |
Berhasil |
|
3 |
3-30 |
Berhasil |
|
4 |
3-35 |
Berhasil |
|
5 |
3-50 |
Berhasil |
Dari tabel
diatas terlihat bahwa pengujian pada kamera esp 32 dari
5 data yang terkirim semuanya
berhasil.
d. Pengujian Web Server
Gambar 12
Proses Pengujian Web Server
Pengujian� web server dilakukan dengan menghubungakn� Arduino� ke server menggunakan jaringan local wireless. Pengujian dilaksanakan dengan mengirimkan data dari Arduino menggunakan method �POST� dan akan diterima pada web server yang nantinya akan memberikan respon balik apabila data berhasil disimpan ke database. Pengiriman data dikatakan berhasil apabila tabel database ter-update sesuai dengan data yang dikirm oleh sistem mikrokontroler. Berikut ini merupakan tabel hasil pengujian dari web server.
Tabel 5
Pengujian Web Server
|
Tiket
Parkir & Plat Nomor |
Jumlah
paket |
Waktu (ms) |
Hasil |
Akurasi |
|
|
1 |
3 |
Berhasil update tabel masuk |
100% |
|
Tiket Masuk |
1 |
3 |
Berhasil update jumlah pada tabel parkir |
100% |
|
|
1 |
5 |
Berhasil mengirimkan
email ke pengguna |
100% |
|
|
1 |
3 |
Berhasil update tabel keluar |
100% |
|
Tiket Keluar |
1 |
3 |
Berhasil update tabel jumlah pada tabel area parkir |
100% |
|
|
1 |
4 |
Berhasil mengirimkan
email ke pengguna |
100% |
|
|
1 |
3 |
Berhasil merubah
sebuah images menjadi
karakter |
100% |
|
File Gambar |
1 |
4 |
Berhasil melakukan
update tabel notifikasi |
100% |
|
|
|
4 |
Berhasil menyimpan
data ke tabel identifikasi |
100% |
Berdasarkan Tabel 5 diatas dapat disimpulkan bahwa pengujian web server 100% berhasil dari 3 sampel yang digunakan.
e. Pengujian menu booking dan mesin QR Code
Gambar
13
Proses
Pengujian Menu Booking dan QR CODE
Pada proses pengujian menu booking yang harus dilakukan adalah pengguna adalah dengan mengakses halaman booking pada website yang telah disediakan kemudian memasukan data pada form booking seperti nomor area parkir, jam, email, tanggal, dan lain-lain. Hasil yang didapat berupa sebuah tiket booking dan juga sebuah QR Code. QR Code yang diperoleh akan dilakukan proses scanning pada mesin QR Code� yang sudah terhubung dengan mikrokontroler dan juga ke web server melalui jaringan internet. Hasil dari proses scanning akan di sesuaikan dengan data booking yang telah tersimpan pada databases di web server. Berikut ini merupakan tabel hasil uji yang dilakukan pada system.
Tabel 6�
Pengujian Menu Booking
dan Scanning QR Code
|
|
Tabel Database |
Mikrokontroler |
Hasil |
||
|
No |
No Booking |
Nama |
QR Code |
Scanning |
|
|
1 |
BKG003 |
Yanuar |
|
BKG003 |
TRUE |
|
2 |
BKG004 |
Budi |
|
BKG004 |
TRUE |
|
3 |
BKG005 |
Nanda |
|
BKG005 |
TRUE |
|
4 |
BKG006 |
Junaidi |
|
BKG006 |
TRUE |
|
5 |
BKG007 |
Putra |
|
BKG007 |
TRUE |
|
6 |
BKG008 |
Efan |
|
BKG008 |
TRUE |
|
7 |
BKG009 |
Rico |
|
BKG009 |
TRUE |
|
8 |
BKG010 |
Andre |
|
BKG010 |
TRUE |
|
9 |
BKG011 |
Anita |
|
BKG011 |
TRUE |
|
10 |
BKG012 |
Rudi |
|
BKG012 |
TRUE |
Pada tabel diatas dapat kita lihat bahwa dari 10 sample yang ada hasil pengujian dengan membandingkan data pada database dengan hasil scanning pada mikrokontroler 100% berhasil dan tidak terdapat kendala.
f. ��Pengujian Identifikasi Kendaraan Menggunakan Metode Optical Character� Reconation (OCR) dan Learning Vector Quantization (LVQ).
Gambar
14
Proses
Pengujian Identifikasi Kendaraan
Pada pengujian ini data yang digunakan sebagai adalah data testing berupa data gambar. Data testing ini juga dijadikan sebagai acuan pengujian sistem sekaligus mengajarkan kepada sistem bagaiman proses pengenalan plat nomor kendaraan dilakukan. Pada gambar yang diperoleh tidak hanya plat nomor saja yang di tampilkan melainkan ada objek lain sehingga diperlukan sebuah proses seleksi untuk mengambil bagian yang dibutuhkan saja berupa sebuah karater plat nomor.
Proses pengujian dilakukan untuk mengetahui akurasi ketepatan pada proses identifikasi kendaraan berdasarkan gambar yang diambil oleh kamera yang terdapat pada area parkir yang kemudian dikirim ke server untuk dilakukan proses konversi menjadi plaintext. Setelah proses konversi kemudian dilakukan proses mencocokkan setiap karakter yang diperoleh dengan dataset. Hasil yang didapat kemudian dikirim kembali ke mikrokontroler berupa sebuah respon dan akan mengaktifkan buzzer (mengeluarkan suara) apabila resopon yang diterima berstatus �FALSE�.
Tabel 7
Pengujian Akurasi� OCR dan LVQ
|
1 |
|
NULL |
FALSE |
Gagal
karena pada gambar terdapat objek lain dan kualitas gambar yang kurang bagus |
|
2. |
|
B2505BIO |
TRUE |
Berhasil di identifikasi karena tulisanya lebih jelas |
|
3 |
|
B1016BJP |
TRUE |
Berhasil di identifikasi karena pengambilan gambar objek yang tepat |
|
4 |
|
B2622BFX |
TRUE |
Berhasil di identifikasi karena pengambilan gambar objek yang tepat |
|
5 |
|
B1738BAG |
TRUE |
Berhasil di identifikasi |
Dari tabel diatas dapat disimpulkan bahwa pengujian OCR dan LVQ dengan menggunakan 5 data testing mendapatkan presentasi sebesar 80% dan� 20% adalah gagal disebabkan karena plat nomor cacat dan kualitas gambar yang kurang bagus.
g. Pengujian Keseluruhan Sistem
Proses pengujian sistem secara keseluruhan dilakukan setelah seluruh perangkat keras dan perangkat lunak sudah terhubung satu sama lain sesuai dengan perancangan yang sudah didesain sebelumnya. Pengujian ini dilakukan dengan melihat kecocokan data yang ditampilkan baik itu pada serial monitor yang terdapat pada software Arduino IDE, database maupun pada beberapa output dan input lainnya. Pengujian pada halaman utama sistem monitoring area parkir dilakukan guna� untuk mengetahui apakah data dan informasi terkait dengan kondisi dan juga status ketersediaan area parkir bisa di tampilkan pada halaman website sehingga informasinya dapat diakses oleh pengguna.
Pengecekan juga dilakukan pada saat pengguna melakukan booking pada halaman
website dan setelah selesai
melakukan booking
dipastikan juga pengguna mendapatkan email yang dikirim secara otomatis dari sistem berupa
bukti pemesanaan area parkir. Bukti pemesanan (tiket booking) tersebut harus disimpan oleh pengguna dan tidak boleh hilang
karena didalamnya terdapat sebuah� kunci
yang dapat digunakan untuk masuk dan membuka pintu area parkir. Pengujian QR Code juga perlu
dilakukan supaya tidak terjadi kesalahan
pada saat melakukan verifikasi nomor booking dan juga memastikan
apakah data atau nomor booking
yang terdapat pada database sesuai dengan nomor
booking hasil
scan pada perangkat
QR Code. Pengujian
juga dilakukan pada saat
proses pengiriman data ke web
server apakah server mampu
untuk melakukan validasi dengan baik dan dapat mersepon hasil pengiriman data oleh mikrocontroller.
Pengujian perangkat sensor dilakukan dengan meletakkan sebuah objek pada jarak tertentu didepan sensor, dan
sensor dapat mendeteksinya dengan baik. Respon
yang diberikan oleh sensor akan
mempengaruhi perubahan warna LED dari merah menjadi hijau
yang berarti ada sebuah objek telah
terdeteksi. Selanjutnya pegujian dilakukan pada kamera ESP 32 Cam� untuk melakukan pengambilan gambar apabila melihat perubahan warna yang terjadi pada LED dan gambar tersebut langsung dikirim� ke web server.
Di sisi server pengujian juga dilakukan terhadap data gambar yang diterima sampai pada proses identifikasi plat nomor. Fungsi dan kegunaannya adalah untuk mengetahui apakah gambar yang dikirim dari mikrokontroler dapat diolah sehingga menjadi sebuah karakter dan memastikan proses identifikasi berjalan dengan lancar pada proses penyimpanan data ke database. Informasi terkait dengan hasil identifikasi juga perlu dilakukan pengecekan apakah informasi tersebut dapat di akses oleh mikrocontroller yang isinya bernilai 1 atau 0. Nilai tersebut merupakan sebuah� kode dimana nilai 1 menandakan bahawa� plat nomor sama dan 0 menandakan kalau plat nomor berbeda, dan jika nilainya 1 yang dibaca maka alaram (buzzer) yang terpasang pada mikrokontroler akan mati dan jika hasil pembacaan data bernilai 0 maka buzze akan menyala. Peroses pengujian sistem secara keseluruhan dapat berjalan dengan baik sesuai dengan fungsinya masing-masing dari setiap input atau output yang ada.
Kesimpulan��������������������������������������������������������������
Hasil pengujian pada penelitian ini penulis menyimpulkan bahwa penggunaan metode Optical
Character Recognition (OCR) mampu untuk merubah sebuah
gambar plat nomor menjadi sebuah karakter dengan tingkat keberhasil cukup bagus. Penggunaan
metode Learning
Vector Quantization (Lvq) dalam
melakukan klasifikasi terhadap karakter dengan dataset yang ada dengan tingkat keberhasilannya sebesar 80%.
Proses pengiriman data dari
mikrokontroler ke server
dapat berjalan dengan lancar� namun
terkadang bada delay. Penggunaan
sesor Proximity
dan kemara esp 32 cam mampu bekerja dengan
baik untuk melakukan pendeteksian dan pengambilan gambar objek. Penggunaan Qr Code pada sistem
monitoring area parkir
juga mampu untuk melakukan proses validasi baik terhadap nomor
booking maupun
validasi terhadap nomor bukti pembayaran.
Dari hasil pengujian data training
menunjukan bahwa sistem dapat berjalan
dengan baik dengan tingkat keberhasilan sebesar 100% sedangkan� untuk pengujian data testing dari
kedua metode OCR dan LVQ mendapatkan tingkat keberhasilan sebesar 80%� dari 5 data testing
yang di uji. Secara keseluruhan
dari sistem monitoring penempatan
lokasi parkir ini mampu menyajikan
informasi� secara real-time mengenai
status ketersediaan area parkir
pada website.
BIBLIOGRAFI
Apriyanti, K., & Widodo, T. W.
(2016). Implementasi Optical Character Recognition Berbasis Backpropagation
Untuk Text To Speech Perangkat Android. Ijeis, 6(1), 13�24. Google Scholar
Awangga, R. M., Pane, S. F., Ghifari, D.
A., Simamora, T. A. D., & Asyhari, M. Y. (2020). Mila: Low-Cost Bci
Framework For Acquiring Eeg Data With Iot. Telkomnika, 18(2),
846�852. Google Scholar
Bahri, R. S. (2012). Perbandingan Algoritma
Template Matching Dan Feature Extraction Pada Optical Character Recognition. Komputa:
Jurnal Komputer Dan Informatika, 1(1). Google Scholar
Handayani, P. W. (2017). Systematic Review
Dengan Prisma (Preferred Reporting Items For Systematic Reviews And
Meta-Analyses). Workshop Riset Sistem Informasi Fakultas Ilmu Komputer Ui,
1(3). Google Scholar
Kristomson, H., Rosalia, H. S., &
Gozali, F. (2019). Sistem Keamanan Ruangan Berbasis Internet Of Things Dengan
Menggunakan Aplikasi Android. Tesla: Jurnal Teknik Elektro, 20(2),
127�134. Google Scholar
Kusuma, R. S., Pamungkasty, M., Akbaruddin,
F. S., & Fadlilah, U. (2018). Prototipe Alat Monitoring Kesehatan Jantung
Berbasis Iot. Emitor: Jurnal Teknik Elektro, 18(2), 59�63. Google Scholar
Moleong, L. J. (2019). Metodologi
Penelitian Kualitatif. Google Scholar
Muktiawan, D. A., & Nurfiana, N.
(2018). Sistem Monitoring Penyimpanan Kebutuhan Pokok Berbasis Internet Of
Things (Iot). Explore: Jurnal Sistem Informasi Dan Telematika
(Telekomunikasi, Multimedia Dan Informatika), 9(1). Google Scholar
Ngafifi, M. (2014). Kemajuan Teknologi Dan
Pola Hidup Manusia Dalam Perspektif Sosial Budaya. Jurnal Pembangunan
Pendidikan: Fondasi Dan Aplikasi, 2(1). Google Scholar
Ramayani, T., Kurniawan, B., Wulandari, F.,
Rozi, F., & Prabowo, C. (2018). Penerapan Iot (Internet Of Things) Untuk
Pencegahan Dini Terhadap Kejahatan Begal. Jurnal Resti (Rekayasa Sistem Dan
Teknologi Informasi), 2(3), 627�632. Google Scholar
Sasmoko, D., & Wicaksono, Y. A. (2017).
Implementasi Penerapan Internet Of Things (Iot) Pada Monitoring Infus
Menggunakan Esp 8266 Dan Web Untuk Berbagi Data. Jurnal Ilmiah Informatika,
2(1), 90�98. Google Scholar
Setiadi, H., Priyandari, Y., & Cahyono,
S. I. (2017). Implementation Of Parking System Based On Radio Frequency
Identification (Rfid) At The Faculty Of Engineering Sebelas Maret University. Itsmart:
Jurnal Teknologi Dan Informasi, 6(1), 39�44. Google Scholar
Setiawan, A., Sujaini, H., & Negara, A.
B. P. (2017). Implementasi Optical Character Recognition (Ocr) Pada Mesin
Penerjemah Bahasa Indonesia Ke Bahasa Inggris. Justin (Jurnal Sistem Dan
Teknologi Informasi), 5(2), 135�141. Google Scholar
Siregar, F. A., Rusdi, E., & Endina, P.
P. (2017). Aplikasi Pembacaan Plat Nomor Kendaraan Menggunakan Algoritma
Optical Character Recognition (Ocr) Berbasis Android. Universitas Bengkulu.
Google Scholar
Solichin, A., Rahman, Z., & Luhur, U.
B. (2015). Identifikasi Plat Nomor Kendaraan Berbasis Mobile Dengan Metode
Learning Vector Quantization. Jurnal Ticom Vol, 3(3). Google Scholar
|
Copyright holder : Stefanus Efan
(2021) |
|
First publication right : Journal Syntax
Admiration |
|
This article is licensed under:
|
