🎯 Tujuan 🖼️ Piksel & Channel 👁️ Operasi OpenCV & YOLO 🎮 CV Filter & Edge Studio 📝 Evaluasi Formatif ✨ Rangkuman & Refleksi
Learn / KKA / Koding Kreatif Lanjutan / 03. Computer Vision & OpenCV
🤖 KKA · Unit 07 · Modul 03

Computer Vision: Memberi Mata Digital pada Komputer

Bagaimana mobil otonom self-driving mengenali rambu lalu lintas dan kamera HP membuka kunci wajah? Pelajari keajaiban Computer Vision dengan library OpenCV: konversi channel warna RGB/Grayscale, deteksi garis tepi (Canny Edge), pelacakan wajah (Haar Cascade), dan deteksi objek canggih YOLO.

⏱️ Waktu: 45 Menit 👁️ Library: OpenCV (cv2) & YOLO 📝 Evaluasi: 20 Soal (4 Bagian)
🎯

Tujuan Pembelajaran

Kompetensi yang akan kamu kuasai setelah menyelesaikan modul ini

01.
Memahami Anatomi Gambar Digital

Menjelaskan konsep matriks piksel, resolusi dimensi, dan channel warna (Grayscale 1-channel, RGB 3-channel, format BGR OpenCV).

02.
Menguasai Operasi Dasar OpenCV (cv2)

Membaca gambar (cv2.imread), konversi warna (cv2.cvtColor), efek blur Gaussian, dan deteksi tepi (cv2.Canny).

03.
Menerapkan Algoritma Deteksi Wajah

Memanfaatkan model pra-latih Haar Cascade (cv2.CascadeClassifier) untuk mendeteksi koordinat wajah pada foto webcam.

04.
Mengenal Object Detection Modern (YOLO)

Memahami konsep kotak pembatas (Bounding Box) dan skor keyakinan (Confidence Score) dalam pengenalan objek real-time.

1

Bagaimana Komputer Melihat Gambar?

Di mata prosesor, sebuah foto adalah matriks angka intensitas cahaya 0 s.d. 255

🔲

1. Piksel & Nilai Intensitas

Setiap piksel bernilai antara 0 (Hitam Pekat) hingga 255 (Putih Terang).

🎨

2. Tiga Channel Warna (RGB / BGR)

Gambar berwarna terdiri dari 3 lapis matriks: Red, Green, Blue. Di OpenCV, susunan default-nya adalah BGR.

📐

3. Resolusi Dimensi (Width × Height)

Foto Full HD (1920×1080) memiliki lebih dari 2 juta piksel yang dihitung oleh prosesor secara paralel.

2

Operasi Kunci OpenCV & Arsitektur Deteksi

Transformasi visual dari filter matematis hingga pelacakan objek cerdas

cv2.cvtColor()

Mengubah gambar berwarna menjadi hitam-putih Grayscale.

cv2.Canny()

Mendeteksi kontur garis tepi bentuk fisik objek.

Haar Cascade

Model pendeteksi fitur wajah manusia (mata, hidung, mulut).

YOLO (v8/v9)

You Only Look Once: deteksi objek real-time 60+ FPS.

🎮

Interactive Computer Vision Filter & Edge Studio

Pilih mode filter OpenCV untuk mengamati transformasi visual kanvas piksel secara langsung!

OpenCV Canvas
⚙️ Pilih Operasi Pemrosesan Gambar:
// Sintaks Python OpenCV:
img = cv2.imread('robot_face.jpg')
OPENCV CAMERA MONITOR MODE: RGB NORMAL
Piksel: 200x130 (3 Channels: R, G, B)
📝

Evaluasi Formatif: Computer Vision & OpenCV

Uji pemahaman matriks piksel, fungsi OpenCV, deteksi tepi Canny, dan YOLO (Total Skor: 100)

Target Kelulusan Minimal 70 Poin
Bagian A

Pilihan Ganda (5 Soal · Bobot: 25 Poin)

1. Urutan format susunan channel warna default yang digunakan oleh library OpenCV saat membaca file gambar berwarna adalah...

2. Fungsi OpenCV yang digunakan untuk mendeteksi kontur garis tepi fisik objek dalam gambar adalah...

3. Kotak persegi panjang yang digambar oleh model AI di sekeliling objek yang berhasil dikenali (misal: kotak di sekitar mobil atau wajah) dinamakan...

4. Teknologi Optical Character Recognition (OCR) yang dipakai di Google Lens berfungsi untuk...

5. Arsitektur deep learning mutakhir yang sangat terkenal untuk deteksi objek real-time berkecepatan tinggi pada mobil otonom dan robot adalah...

Bagian B

Benar atau Salah (5 Soal · Bobot: 25 Poin)

1. Gambar Grayscale (abu-abu) hanya memiliki 1 channel nilai intensitas cahaya per piksel.
2. Nilai intensitas piksel 0 mewakili warna putih paling terang, sedangkan 255 adalah warna hitam pekat.
3. Fitur Face Unlock di smartphone memanfaatkan computer vision untuk mengenali kontur biometrik wajah pemilik HP.
4. Perintah cv2.GaussianBlur() digunakan untuk memberikan efek keburaman (smoothing) pada gambar guna mengurangi noise.
5. Komputer melihat gambar sama persis seperti manusia melihat warna lukisan tanpa membutuhkan proses angka matematika.
Bagian C

Menjodohkan Fungsi OpenCV & Kegunaannya (5 Pasangan · Bobot: 25 Poin)

Bagian D

Urutan Program Deteksi Wajah OpenCV di Python (Bobot: 25 Poin)

Urutkan proses penulisan kode deteksi wajah menggunakan OpenCV:

A. Mengimpor library OpenCV dengan perintah import cv2
B. Memuat model pra-latih CascadeClassifier('haarcascade_frontalface_default.xml')
C. Membaca gambar foto atau frame webcam menggunakan cv2.imread()
D. Mengonversi gambar ke Grayscale dan menjalankan fungsi detectMultiScale()
E. Menggambar kotak bounding box cv2.rectangle() di sekitar koordinat wajah yang ditemukan
✨

Rangkuman Materi & Refleksi Belajar

Tuliskan pemahaman dan pengalaman belajarmu pada materi ini

1. Persepsi Visual Mesin: Gambar digital adalah kumpulan jutaan angka matriks piksel yang diproses oleh algoritma matematis.

2. Fleksibilitas OpenCV: Menyediakan perkakas lengkap dari filter sederhana hingga deteksi biometrik wajah.

3. Dampak Nyata Computer Vision: Menggerakkan masa depan kecerdasan buatan dalam dunia medis, robotika, dan transportasi pintar.