INTEGRATE: Industrial Engineering and Management System Disampaikan : 15 Januari 2023

Volume 7, No. 1, 2023: 44-51 Direview : 6 Februari 2023

https://jurnal.untan.ac.id/index.php/jtinUNTAN/issue/view/2000 Diterima : 13 Februari 2023

RANCANG BANGUN SISTEM PENGUKURAN ANTROPOMETRI

DIGITAL

Syahmi Sajid, Yopa Eka Prawatya, Ratih Rahmawati

Jurusan Teknik Industri, Fakultas Teknik, Universitas Tanjungpura, Pontianak, 78124
Email: syahmisajid@student.untan.ac.id

Measurement of anthropometric data is still manual, so it is less efficient if done for large numbers of needs. As a
solution, this research has designed a digital anthropometric measurement system using the Object detection – shape
detect method. This study aimed to design and build a digital anthropometric measurement system with the Object
detection method and compare the results between traditional and digital measurements.The data consisted of 31
people and the body dimensions studied were height, shoulder height, elbow height, wrist height, and elbow-to-wrist
length. The process begins with the input image in the form of a full-body digital image, then proceeds with the shaping
stage, which is a method on digital images to create a shape on the digital image at predetermined coordinates, then
enters the object detection stage, namely the procedure for recognizing an object in an image and video. digital. The
final stage is the calculation of the system, after being marked by the object detection method, the machine will perform
calculations in pixels for the distance of the object and will be converted into cm using a reference point.The object
detection method test results obtained an average successive accuracy of 99.66%, 99.44%, 99.47%, 99.17%, 97.86%
and an average successive error value of 0.52 cm, 0.77 cm, 0.53 cm, 0.61 cm and 0.59 cm.
Kata kunci: pengukuran antropometri, antropometri digital, image processing, object detection, python

PENDAHULUAN
Era modern saat ini manusia menggunakan fasilitas, mistar, dan meteran. Gambar 1.1 menunjukkan kursi
peralatan, dan mesin dalam berbagai kegiatan untuk Antropometri kayu yang digunakan di Lab APK untuk
membantu pekerjaan manusia. Penentuan ukuran pengambilan data.
berbagai alat yang digunakan secara langsung oleh
manusia seperti peralatan dan mesin menggunakan data
Antropometri atau data ukuran dimensi tubuh manusia
untuk mendapatkan ukuran yang akurat untuk sebuah
alat atau mesin. Antropometri memiliki peran penting
dalam berbagai bidang seperti perancangan industri,
perancangan pakaian, ergonomik, dan arsitektur, untuk
dapat menghasilkan produk yang optimal diperlukannya
data statistik yang berisi distribusi data antropometri atau
dimensi tubuh dari suatu populasi. Perubahan pada
distribusi ukuran tubuh masyarakat dikarenakan
perubahan dalam gaya kehidupan sehari-hari, nutrisi,
dan komposisi etnis membuat perlunya penyesuaian Gambar 1 Kursi Antropometri Kayu di Lab APK
secara berkala dari koleksi data Antropometri. Jurusan Teknik Industri UNTAN
Pengumpulan data Antropometri sampai saat ini
mayoritas masih menggunakan metode tradisional Pemakaian kursi antropometri di Lab APK yang
memakai mistar, meteran, dan lain lain. dilakukan terus menerus akan membuat kursi
Setiap Mahasiswa semester 3 Jurusan Teknik Industri Antropometri kayu yang digunakan untuk pengambilan
Universitas Tanjungpura mengukur Antropometri data tiap tahun menghasilkan akurasi yang terus
tahunan sebagai acuan pada praktikum Perancangan menurun. Alternatif dari pengukuran Antropometri
Sistem Kerja dan Ergonomi (TIN-2261) ini adalah menggunakan metode tradisional dapat digantikan
bagian dari kurikulum berbasis kompetensi dan memiliki dengan pengukuran Antropometri digital yang
tujuan untuk memberikan mahasiswa pengetahuan dan merupakan turunan dari teknologi Image processing.
kemampuan dalam merancang sistem kerja yang Image processing adalah teknik mengolah citra gambar
ergonomis. Ukuran Antropometri diambil di Lab APK yang bertujuan untuk memungkinkan gambar atau citra
Fakultas Teknik menggunakan kursi Antropometri, dapat diproses sehingga informasi dapat secara otomatis

-44-
 INTEGRATE: Industrial Engineering and Management System Disampaikan : 15 Januari 2023
Volume 7, No. 1, 2023: 44-51 Direview : 6 Februari 2023
https://jurnal.untan.ac.id/index.php/jtinUNTAN/issue/view/2000 Diterima : 13 Februari 2023

diambil dari citra atau gambar tersebut. Teknologi Image
processing dapat menjadi salah satu pilihan untuk
melakukan pengukuran Antropometri secara instan dan
akurat. Keunggulan pengukuran Antropometri digital
dibanding pengukuran Antropometri manual adalah
kecepatan dan masa pakainya, Antropometri digital
hanya perlu sepersekian detik untuk melakukan
pengukuran data Antropometri dan sistemnya tidak
memiliki masa pakai sehingga bisa digunakan terus
menerus tanpa menurunkan tingkat akurasi sedangkan
pengukuran Antropometri manual tergolong lambat dan
memiliki masa pakai yang akan menurunkan tingkat
akurasi jika sering digunakan.
Penelitian ini menggunakan metode object
detection - detect shape. Perbedaan penelitian yang
dilakukan dengan penelitian terdahulu adalah perbedaan
metode dan dimensi tubuh yang diteliti, dimana pada
penelitian ini menggunakan metode object detection -
detect shape dan dimensi tubuh yang diteliti yaitu tinggi
badan, tinggi bahu, tinggi siku, tinggi pergelangan
tangan, dan panjang siku ke pergelangan tangan.
Pengukuran Antropometri dengan metode object
detection - detect shape sampai penelitian ini dilakukan
belum pernah diteliti pada penelitian lain, perancangan
sistem pengukuran dengan metode object detection -
detect shape menggunakan library OpenCV untuk
mengenali object dan melakukan pengukuran
Antropometri secara instan dan akurat tanpa perlu
keahlian khusus. Penelitian ini dapat menjadi terobosan
metode mengukuran Antropometri digital yang baru.
TINJAUAN PUSTAKA
1. Ergonomi
Menurut Kristanto dan Manopo (2010: 467-468)
ergonomi berkaitan dengan efisiensi, optimasi,
kesehatan, keselamatan, dan kenyamanan manusia di
tempat tempat seperti ruangan kerja, di rumah, dan
tempat umum seperti tempat rekreasi. Menurut Ginting
(2010:230-231) Ergonomi adalah disiplin sistematis
yang menggunakan pengetahuan tentang sifat,
kemampuan dan keterbatasan manusia dalam merancang
sistem kerja sehingga seseorang dapat hidup dan bekerja
dalam sistem yang baik dan nyaman, sementara menurut
Wignjosoebroto (2003), Ergonomi adalah bidang ilmu
yang memanfaatkan pengetahuan mengenai batasan dan
kemampuan manusia untuk merancang suatu lingkungan
kerja yang lebih baik sehingga orang bisa hidup dan
bekerja dengan efisien, efektif, aman, dan nyaman untuk
mencapai tujuan yang diinginkan. Kesimpulannya
ergonomi adalah keilmuan yang mempelajari kaitan
antara manusia dengan pekerjaan, dengan segala aspek
dan ruang lingkupnya. Pekerjaan yang tidak ergonomis
dapat mengakibatkan ketidaknyamanan pekerja, biaya
tinggi, penurunan performa pekerja, efisiensi, daya kerja
dan resiko kecelakaan.
2. Antropometri
Menurut Ulajaszek (1994: 55-57) kata
"antropometri" berasal dari dua kata Yunani, "antropo"
yang berarti "manusia" dan "metron" yang berarti
"ukuran". Oleh karena itu, antropometri dapat
didefinisikan sebagai bidang studi yang mempelajari
pengukuran dimensi tubuh manusia. Sementara itu
menurut Nurmianto (1991: 55-64) antropometri adalah
kumpulan data numerik yang berhubungan dengan
karakteristik fisik manusia, seperti ukuran, bentuk, dan
kekuatan, yang digunakan untuk memecahkan masalah
desain.
3. Pengukuran Antropometri Digital
Pengukuran Antropometri digital adalah pengukuran
yang memanfaatkan teknologi Image processing atau
citra digital dalam pengolahan data. Beberapa penelitian
berbasis citra digital tersebut antara lain pendekatan
pengenalan bentuk tubuh wanita berdasarkan analisis
citra 2D, dan hasilnya menunjukkan bahwa latar
belakang dan kondisi pencahayaan sangat bising,
menurut Kart et al (2011: 139-147). Studi lain oleh
Shrikant & Honade (2013: 35–45), mengukur TB dan
BB dengan masukan dan latar belakang acak berhasil
mengubah gambar menjadi cm dan kg, tetapi tidak
menguji keefektifannya berdasarkan tingkat akurasi atau
nilai pendekatan.
Berdasarkan Bipembin dkk. (2015: 1-7)
Membandingkan IMT konvensional dengan IMT citra
menggunakan metode korelasi Pearson, hasilnya
menunjukkan secara keseluruhan masih sedang dengan
rata-rata 8,8. Pada tahun yang sama Varma et al (2015:
2213-2216) Varma mempresentasikan prototipe dengan
sensor LDR untuk pengukuran ketinggian dengan hasil
yang masih kurang baik. Studi lain oleh Mayer et al
(2017: 1-13) mengukur tinggi badan, berat badan dan
IMT berdasarkan gambar kontur wajah, Afdali et al
(2017: 106–118) mengembangkan pengukur tinggi dan
berat badan digital dengan output audio, Akbar dan
Rachmat (2018: 125 – 139) dan Akbar mengukur berat
badan dan tinggi badan bayi untuk diet KMS. Hal
tersebut terus berkembang dari uraian beberapa
penelitian yang mengukur TB dan BB berdasarkan
image processing. Beberapa Pengukuran Antropometri
digital terbaru yang memiliki akurasi yang cukup tinggi
dilakukan antara lain menggunakan metode deteksi tepi,
metode cropping, dan metode viola-jones. Perhitungan
ukuran dimensi tubuh dengan pengukuran digital
menggunakan rumus sebagai berikut:
Tinggi Pixel
Tinggi Digital = Koefisien Nilai Konversi (1)

-45-
 INTEGRATE: Industrial Engineering and Management System Disampaikan : 15 Januari 2023
Volume 7, No. 1, 2023: 44-51 Direview : 6 Februari 2023
https://jurnal.untan.ac.id/index.php/jtinUNTAN/issue/view/2000 Diterima : 13 Februari 2023

4. Image processing
Menurut Usman (2005: 4) Image processing
merupakan teknik yang digunakan untuk memotong atau
mengolah jenis objek dua dimensi. Pengolahan citra
merupakan suatu teori yang berfungsi untuk mengubah
citra ke bentuk digital dan melakukan beberapa operasi
padanya, untuk mendapatkan citra yang disempurnakan
atau untuk mengekstrak beberapa informasi berguna
darinya.
Tujuan utama pemrosesan citra adalah untuk
melakukan proses seperti pemrosesan citra dan
pemrosesan untuk mengubahnya menjadi format digital.
berupa 5 dimensi tubuh yaitu tinggi badan, tinggi bahu,
tinggi siku, tinggi pergelangan tangan, dan panjang siku
ke pergelangan tangan dari praktikan Teknik Industri
Angkatan 2020 berjumlah 31 sampel. Tempat penelitian
dilakukan di Laboratorium APK, Jurusan Teknik
Industri, Universitas Tanjungpura, Pontianak. Diagram
alir penelitian mengenai sistem pengukuran
antropometri digital berbasis image processing
menggunakan metode object detection dapat dilihat pada
Gambar 2 berikut.
Mulai

Secara umum, tujuan pengolahan citra dapat dibagi

menjadi lima kategori, yaitu sebagai berikut: Perencanaan Sistem
1. Visualization atau visualisasi berfungsi untuk Studi Studi
memahami objek yang tidak terlihat. Literatur Lapangan

2. Sharpening (penajaman) dan restoration

(pemulihan) gambar dapat digunakan untuk Bangun Sistem
membuat gambar baik. Shape
3. Retrieval atau pengambilan gambar berfungsi untuk Creation

mendapatkan informasi yang akurat.

Object Perhitungan
4. Pattern measurement (pengukuran pola) memiliki detection Sistem

kemampuan untuk mengukur berbagai objek dalam

satu citra. Pengambilan Data

5. Recognition atau pengenalan gambar, agar dapat Pengukuran

Antropometri
Foto Badan
Keseluruhan
membedakan objek dalam gambar. Manual

5. Object detection Tidak

Affandes and Ramadani (2017: 125 – 139)

menyatakan bahwa Object detection merupakan Apakah Data Sudah Sesuai?

prosedur pengenalan pada suatu objek dalam suatu citra

serta video digital yang diproses menggunakan computer Ya
Tidak

vision sedangkan menurut Ouaknine (2019) Object Pengolahan Data

detection merupakan mengidentifikasi lokasi objek Pengukuran Perbandingan
dalam gambar, dan misalnya menghitung jumlah jarak Antropometri Digital
(Object Detection)
Pengukuran Manual
dan Digital
suatu objek. Setiap jenis posisi dan ukuran objek terekam
selama proses pendeteksian objek yang dilakukan pada
sebuah gambar. Proses pengenalan dapat dilakukan Analisis Hasil Pebandingan
dengan berbagai metode, yang biasanya membaca
karakteristik semua objek pada citra masukan. Tujuan
dari deteksi objek adalah untuk menemukan semua jenis
objek dari satu atau lebih kelas objek, terlepas dari Apakah Hasil Perbandingan
Sudah Baik?
ukuran objek, lokasi, posisi, sudut pandang, dan kondisi
penerangan. (Verschae dan Ruiz-del-Solar, 2015: 2:29).
Ya
METODOLOGI PENELITIAN
Kesimpulan dan Saran
Penelitian ini dilakukan pada bulan September 2022
sampai dengan bulan Desember 2022. Menurut
Sugiyono (2015) Objek penelitian adalah atribut yang
mengandung nilai-nilai orang, objek atau kegiatan yang Selesai

memiliki beberapa variasi yang dapat peneliti terapkan

selama penelitian dan menarik kesimpulan pada akhir Gambar 2. Diagram Alir Penelitian
penelitian. Penelitian ini memiliki objek penelitian

-46-
 INTEGRATE: Industrial Engineering and Management System Disampaikan : 15 Januari 2023
Volume 7, No. 1, 2023: 44-51 Direview : 6 Februari 2023
https://jurnal.untan.ac.id/index.php/jtinUNTAN/issue/view/2000 Diterima : 13 Februari 2023

HASIL DAN PEMBAHASAN perhitungan sistem, sebelum masuk pada tahap pertama
Object harus berdiri tegak dan sejajar dengan titik acuan
1. Perancangan Sistem
seperti pada gambar 4.
Sistem dirancang dan dibangun menggunakan
bahasa pemrograman python dan dibantu dengan a. Color Selection
beberapa library python seperti library OpenCV2 yang Tahap pertama adalah teknik color selection yaitu
berfungsi untuk melakukan pengolahan citra digital, metode untuk menseleksi warna yang bertujuan untuk
library numpy berguna untuk mengolah data numerical memisahkan objek yang ingin dideteksi dengan
seperti membuat matrix, dan library urllib berfungsi lingkungannya. Sistem akan otomatis menseleksi warna
untuk dapat menyambungkan sistem pada laptop ke tertentu dan mengabaikan warna lain, dalam penelitian
kamera handphone. Sistem yang dibangun dapat ini sistem menseleksi warna selain hijau.
mengukur dimensi tubuh secara cepat dan akurat dengan
menggunakan metode Object detection dan dibantu
metode color selection untuk memisahkan objek dengan
lingkungannya. Berikut adalah alur sistem pengukuran
antropometri digital.

Gambar 5 Tahap Color Selection

Gambar 3 Alur Sistem Pengukuran Antropometri Digital Gambar 5 adalah hasil seleksi warna oleh sistem dan
berhasil memisahkan objek dengan lingkungannya.
Gambar 3 menunjukkan alur sistem pengukuran
b. Metode Object detection
Antropometri digital pada penelitian ini, handphone
terhubung langsung ke sistem pada laptop menggunakan
url yang telah disiapkan untuk merekam objek secara
real time, tugas operator adalah melebeli koordinat
dimensi tubuh yang akan ditandai agar sistem dapat
melakukan pengolahan data secera otomatis. Berikut
adalah gambar objek sebelum dilakukan pengolahan.

Gambar 6 Tahap Object detection

Gambar 4 Persiapan Object
Terdapat 3 tahap sehingga sistem dapat
menampilkan hasil pengukuran Antropometri digital
yaitu tahap color selection, object detection, dan
Tahap kedua pada sistem adalah mendeteksi Object
berbentuk yang dibagi menjadi 3 jenis, persegi, segitiga,
dan sisanya akan didefiniskan tidak berbentuk. Gambar
6 adalah tahap setelah color selection selanjutnya sistem
akan mencari Object berbentuk persegi dan segitiga
untuk menyimpan koordinatnya kedalam array dan
memberi label pada masing masing objek.

-47-
 INTEGRATE: Industrial Engineering and Management System Disampaikan : 15 Januari 2023
Volume 7, No. 1, 2023: 44-51 Direview : 6 Februari 2023
https://jurnal.untan.ac.id/index.php/jtinUNTAN/issue/view/2000 Diterima : 13 Februari 2023

c. Perhitungan Sistem Tabel 2 Perbandingan Tinggi Bahu

Manual Digital Error
No Nama Akurasi
(cm) (cm) (cm)
1 Adrianus Lipin 143,40 140,98 98,31% 2,42
Ananda Chika
2 132,70 132,41 99,78% 0,29
Febria Agwi
3 Attilio 139,00 135,4 97,41% 3,60
Azarine
4 139,50 133,1 95,41% 6,40
Azizah
Azhari Salwa
5 132,00 127,5 96,59% 4,50
Ramazi

c. Perbandingan Tinggi Siku

Sampel data perbandingan tinggi siku sebanyak 5
sampel dari keseluruhan data berjumlah 31 disajikan
dalam tabel 3 sebagai berikut.
Gambar 7 Tahap Perhitungan Digital
Tabel 3 Perbandingan Tinggi Siku
Gambar 7 adalah perhitungan sistem yang
menampilkan hasil perhitungan yang telah dilakukan Manual Digital Error
No Nama Akurasi
seperti pada gambar diatas, terdapat 5 dimensi tubuh (cm) (cm) (CM)
yaitu tinggi tubuh dilambangkan dengan (TTB), tinggi Adrianus
1 103,90 102,31 98,47% 1,59
Lipin
bahu dilambangkan dengan (TBH), tinggi siku Ananda
dilambangkan dengan (TSB), tinggi pergelangan tangan 2 Chika Febria 99,50 103,99 95,68% 4,49
dilambangkan dengan (TPT), dan panjang siku ke Agwi
pergelangan tangan dilambangkan dengan (PST). 3 Attilio 103,50 100,46 97,06% 3,04

2. Perbandingan Pengukuran Manual & Digital Azarine

4 103,80 99,72 96,07% 4,08
Azizah
Perbandingan pengukuran manual dan digital Azhari
dilakukan untuk melihat seberapa akurat perhitungan 5 Salwa 103,00 97,8 94,95% 5,20
sistem yang telah dibuat dengan cara melihat persentase Ramazi
selisih pengukuran manual dan pengukuran digital yang
d. Perbandingan Tinggi Pergelangan Tangan
telah dikumpulkan.
Sampel data perbandingan tinggi pergelangan tangan
a. Perbandingan Tinggi Badan sebanyak 5 sampel dari keseluruhan data berjumlah 31
Sampel data perbandingan tinggi badan sebanyak 5 disajikan dalam tabel 4 sebagai berikut.
dari sampel keseluruhan data berjumlah 31 disajikan
Tabel 4 Perbandingan Tinggi Pergelangan Tangan
dalam tabel 1 sebagai berikut.
Manual Digital Error
Tabel 1 Perbandingan Tinggi Badan No Nama Akurasi
(cm) (cm) (CM)
Manual Digital Error 1 Adrianus Lipin 73,00 73,38 99,48% 0,38
No Nama Akurasi
(cm) (cm) (cm) Ananda Chika
2 75,00 79,00 94,94% 4,00
1 Adrianus Lipin 166,00 175,08 94,81% 9,08 Febria Agwi
Ananda Chika 3 Attilio 77,00 73,88 95,95% 3,12
2 155,50 152,24 97,90% 3,26
Febria Agwi
4 Azarine Azizah 78,00 68,74 88,13% 9,26
3 Attilio 167,50 166,93 99,66% 0,57
Azhari Salwa
Azarine 5 75,30 70,5 93,63% 4,80
4 158,00 158,54 99,66% 0,54 Ramazi
Azizah
5
Azhari Salwa
161,40 167,4 96,42% 6,00
e. Perbandingan Panjang Siku ke Pergelangan Tangan
Ramazi
Sampel data perbandingan Panjang siku ke
b. Perbandingan Tinggi Bahu pergelangan tangan sebanyak 5 sampel dari keseluruhan
Sampel data perbandingan tinggi bahu sebanyak 5 data berjumlah 31 disajikan dalam tabel 5 sebagai
dari sampel keseluruhan data berjumlah 31 disajikan berikut.
dalam tabel 2 sebagai berikut.

-48-
 INTEGRATE: Industrial Engineering and Management System Disampaikan : 15 Januari 2023
Volume 7, No. 1, 2023: 44-51 Direview : 6 Februari 2023
https://jurnal.untan.ac.id/index.php/jtinUNTAN/issue/view/2000 Diterima : 13 Februari 2023

Tabel 5 Perbandingan Panjang Siku ke 5. Implementasi dan Manfaat Hasil Penelitian untuk
Pergelangan Tangan Dunia Industri
Manual Digital Error Penelitian pada dasarnya merupakan proses yang
No Nama Akurasi
(cm) (cm) (CM) dilakukan untuk mendapatkan jawaban dari suatu
1 Adrianus Lipin 30,90 28,93 93,62% 1,97 masalah, fakta, atau kajian yang ingin dibuktikan secara
Ananda Chika objektif. Hasil dari suatu penelitian diharapkan dapat
2 24,50 24,99 98,04% 0,49
Febria Agwi berguna atau dimanfaat oleh industri maupun peneliti
3 Attilio 26,50 26,58 99,70% 0,08 selanjutnya. Hasil penelitian yang telah dilakukan dapat
4 Azarine Azizah 25,80 30,98 83,28% 5,18
digunakan diberbagai bidang industri seperti kesehatan
dan manufaktur, dibidang kesehatan hasil penelitian ini
Azhari Salwa
5 27,70 27,3 98,56% 0,40 dapat membantu tenaga kesehatan untuk pengambilan
Ramazi
data antropometri pasien lebih cepat dan efisien
3. Analisis Sistem beberapa fungsinya seperti untuk mengukur status gizi
Analisis sistem pengukuran Antropometri digital anak dan memberikan kondisi fisik manusia secara detail
menggunakan metode Object detection – detect shape, yang akan dianalisa kondisi fisiknya berdasarkan
setelah dilakukan penelitian metode ini memiliki pengukuran yang telah ada.
beberapa kekurangan dan kelebihan. Didalam bidang manufaktur, data antropometri dapat
Kekurangannya adalah sistem masih sulit membaca digunakan sebagai acuan ukuran barang yang akan
objek dan memisahkan objek dari lingkungannya, bisa dibuat agar dapat ergonomis dan nyaman digunakan
tidaknya sistem memisahkan objek dari lingkungannya contohnya adalah pintu dan kursi, pintu membutuhkan
dipengaruhi beberaa faktor seperti pencahayaan dan ukuran antropometri tinggi tubuh (mengukur jarak
kontras warna antara objek dan lingkungan di sekitarnya, vertikal dari lantai sampai ujung kepala yang paling atas)
hal ini juga dialami oleh penelitian Kart et al (2011) dan lebar bahu (ukur jarak horizontal antara lengan atas
meneliti dimensi tubuh wanita berdasarkan hasil dari dan subjek yang duduk tegak dengan lengan atas dekat
citra 2D dan menyatakan bahwa hasil menampilkan dengan badan) untuk sebagai acuan ukuran pembuatan.
kondisi latar belakang dan cahaya sangat bersifat noising Kursi membutuhkan pengukuran ketinggian kursi
sehingga masih perlu dilakukan beberapa optimasi. antropometri (pengukuran jarak vertikal dari permukaan
Kelebihan metode Object detection – detect shape kursi yang diperiksa ke mahkota) dan lebar bahu kursi
adalah memiliki fleksibilitas dibanding metode lain (pengukuran dengan orang yang duduk tegak dan diukur
seperti metode deteksi tepi dalam penentuan dimensi dari sisi luar kursi). bahu kanan ke kiri) sebagai acuan
tubuh yang akan diukur. Dimensi tubuh yang dapat pengukuran.
diukur tidak terbatas pada tinggi badan, berat badan, dan KESIMPULAN
lebar bahu seperti beberapa metode metode lainnya.
4. Analisis Perbandingan Pengukuran Manual dan Beberapa uraian yang telah dijelaskan, dapat ditarik
Digital beberapa kesimpulan sebagai berikut:
Analisis perbandingan pengukuran manual dan 1. Tahap perancangan dimulai dengan melakukan studi
digital dilakukan untuk mengetahui berapa akurasi yang literatur tentang Antropometri dan citra digital,
dihasilkan menggunakan metode Object detection – selanjutnya membuat konsep sistem dan membuat
detect shape. Penelitian ini mendapatkan hasil akurasi alur diagram untuk pembuatan sistem. Tahap bangun
tinggi badan, tinggi bahu, tinggi siku, tinggi pergelangan sistem dimulai dengan implementasi dari konsep
tangan, dan Panjang siku ke pergelangan tangan berturut yang telah dibuat menjadi codingan, selanjutnya
turut sebesar 98,38%, 97,24%, 95,97%, 93,85%, 90,43% melakukan pengujian sistem untuk melihat apakah
dan nilai error berturut turut sebesar 2,65 cm, 3,72 cm, ada error dan bug pada sistem. Melakukan perbaikan
4,06 cm, 4,63 cm, dan 2,67 cm. Beberapa faktor yang pada error dan bug yang terdeteksi, setelah sistem
mempengaruhi akurasi yaitu memakai pakaian lengan dapat berjalan dengan baik selanjutnya adalah
panjang jadi cukup sulit menentukan titik koordinat siku melihat akurasi sistem dan melakukan beberapa
dan pergelangan tangan dan menentukan koordinat percobaan untuk meningkatkan akurasi pada sistem.
kepala untuk tinggi badan. Didapat sistem terbaik pada penelitian ini
(menggunakan metode object detection – detect
shape) adalah menggunakan Teknik color selection
selanjutnya shape yang telah diseleksi kemudian
dideteksi menggunakan metode object detection dan

-49-
 INTEGRATE: Industrial Engineering and Management System Disampaikan : 15 Januari 2023
Volume 7, No. 1, 2023: 44-51
https://jurnal.untan.ac.id/index.php/jtinUNTAN/issue/view/2000 Diterima : 13 Februari 2023
terakhir dilakukan perhitungan mesin. Penelitian ini
mendapatkan hasil akurasi tinggi badan, tinggi bahu,
tinggi siku, tinggi pergelangan tangan, dan Panjang
siku ke pergelangan tangan berturut turut sebesar
98,38%, 97,24%, 95,97%, 93,85%, 90,43% dan nilai
error berturut turut sebesar 2,65 cm, 3,72 cm, 4,06
cm, 4,63 cm, dan 2,67 cm. Beberapa faktor yang
mempengaruhi akurasi yaitu memakai pakaian
lengan panjang jadi cukup sulit menentukan titik
koordinat siku dan pergelangan tangan dan
menentukan koordinat kepala untuk tinggi badan.
2. Beberapa faktor yang mempengaruhi akurasi yaitu
memakai pakaian lengan panjang jadi cukup sulit
menentukan titik koordinat siku dan pergelangan
tangan dan menentukan koordinat kepala untuk
tinggi badan.
REFERENSI
Afdali, M., Daud, M., & Putri, R. (2017). Perancangan
Alat Ukur Digital untuk Tinggi dan Berat Badan
dengan Output Suara berbasis Arduino UNO.
ELKOMIKA, 5(1), 106–118.
Affandes, M. dan Ramadani, A. 2017. “Deteksi Gerak
Menggunakan Background Substraction Dan
Deteksi Tepi Sobel,” Semin. Nas. Teknol dan
Rekayasa, no. 255, pp. 1–6
Akbar, W. A., & Rachmat, H. H. (2018). Rancang
Bangun Sistem Pengukur Massa Tubuh dan Panjang
Badan Elektronik Terintegrasi untuk Evaluasi Gizi
Balita. ELKOMIKA, 6(1), 125 – 139.
Aulia, Suci; Satria, Fajri Eka; Atmaja, Ratri Dwi. 2018.
Sistem Pengukur Tinggi dan Berat Badan berbasis
Morphological Image processing. Bandung:
Universitas Telkom
Bipembi, H., Panford, J. K., & Appiah, O. (2015).
Calculation of Body Mass Index using Image
processing Techniques. International Journal of
Artificial Intelligence and Mechatronics, 4(1), 1–7.
Efendi, Toni; Uljanah, Iin Intan; Tsauri, Tsurayya Ats.
2017. Rancang Bangun Sistem Pengolahan Citra
Digitaluntuk Menentukan Berat Badan Ideal.
Yogyakarta: UIN Sunan Kalijaga Yogyakarta
Fakhri, Rafid; Ir. Magdalena, Rita; M.T, R Fu’adah,
Yunendah Nur, S.T., M.T. 2019. Deteksi Status Gizi
Balita Dengan Estimasi Antropometri Menggunakan
Metode Deteksi Tepi Berbasis Pengolahan Citra
Digital. Bandung: Universitas Telkom
Ginting, Rosnani. 2010. Prancangan Produk. Jogyakarta:
Graha Ilmu. p.230-231
-50-
Direview : 6 Februari 2023
Kart, O., Kut, A., Vuruskan, A., & Bulgun, E. (2011).
Web Based Digital Image processing Tool for Body
Shape Detection. In ICT Innovations (pp. 139–147).
Kristanto, A., & Manopo, R. 2010. Perancangan Ulang
Fasilitas Kerja Pada Stasiun Cutting Yang Ergonomis
Guna Memperbaiki Posisi Kerja Operator Sebagai
Upaya Peningkatan Produktivitas Kerja. Jurnal
Informatika, 4 (2): 467-468.
Kurniawan, Rico Martin; Damayanti, Tri Nopiani;
Rimasa, Dery. 2021. Aplikasi Pengukuran
Antropometri Tubuh Pada Atlet di Koni Kota
Bandung Berbasis Image processing. Bandung:
Universitas Telkom
Mayer, C., Windhager, S., Mayer, C., Windhager, S.,
Schaefer, K., & Mitteroecker, P. (2017). BMI and
WHR are Reflected in Female Facial Shape and
Texture: A Geometric Morphometric Image Analysis
BMI and WHR Are Reflected in Female Facial Shape
and Texture: A Geometric Morphometric Image
Analysis. PLoS One, (January), 1–13.
Nurmianto, E. 1996. Ergonomi Konsep Dasar dan
Aplikasinya. Guna Widya Institut Teknologi Sepuluh
Nopember. Surabaya
Shrikant, M., & Honade, J. (2013). Height, Weight and
Body Mass Index measurement Using Matlab.
International Journal of Advanced Research in
Engineering and Technology (IJARET), 4(5), 35–45.
Sugiono. 2015. Metode Penelitian pendidikan. bandung:
Alfa Beta.
Ulajaszek L, Sheperd R. 1994. Influences on adolescent
food choices. Proc Nutr Soc; 55:345-57.
Usman, Ahmad. 2005. Pengolahan Citra Digital &
Teknik Pemrogramnnya. Graha Ilmu. Jakarta. p-4.
Varma, M. D. S., Mhatre, M. V. R., More, P. M., &
Ayane, P. S. S. (2015). Measurement of Body Mass
Index (BMI) using PIC 18F452 Microcontroller.
International Journal on Recent and Innovation
Trends in Computing, 3(4), 2213–2216.
Verschae, R., and J. Ruiz-del-Solar. 2015. Object
detection: current and future directions. Front. Robot.
AI. 2:29.
Wignjosoebroto, S., 2003. Ergonomi, Studi Gerak dan
Waktu. Jakarta: Gunawidya
 INTEGRATE: Industrial Engineering and Management System Disampaikan : 15 Januari 2023
Volume 7, No. 1, 2023: 44-51 Direview : 6 Februari 2023
https://jurnal.untan.ac.id/index.php/jtinUNTAN/issue/view/2000 Diterima : 13 Februari 2023

Biografi Penulis
Syahmi Sajid, lahir di Kota Pontianak pada tanggal 22
Juli 2001. Penulis merupakan anak kedua dari tiga
bersaudara. Riwayat pendidikan penulis bermula dari
menempuh pendidikan di SD Coblong 4 Bandung lulus
pada tahun 2013, SMP Negeri 16 Pontianak lulus pada
tahun 2016, dan SMA Negeri 04 Pontianak lulus pada
tahun 2019. Penulis menempuh pendidikan di perguruan
tinggi Universitas Tanjungpura, fakultas Teknik, jurusan
Teknik Industri pada tahun 2019 dan berhasil lulus dan
menerima gelar (S.T) pada Januari 2023.

Ratih Rahmawati, lahir di Pontianak pada tanggal 9

mei 1988. Tahun 2006 beliau memperoleh gelar Sarjana
Teknik (S.T) di bidang keahlian Teknik Industri
Universitas Diponegoro Semarang dan melanjutkan
studi S2 Teknik Industri di bidang keahlian Ergonomi
dan K3 di Institut Teknologi Sepuluh Nopember
Surabaya pada tahun 2011. Sejak tahun 2013 hingga saat
ini telah menjadi dosen tetap di Fakultas Teknik pada
Jurusan Teknik Industri, Universitas Tanjungpura

Yopa Eka Prawatya, lahir di kota Yogyakarta, 8 April

1985. Gelar Sarjana Teknik (S.T.) diperoleh beliau pada
tahun 2007 di IST Akprind dengan spesialisasi keahlian
di bidang Teknik Industri. Tahun 2010 beliau berhasil
meraih gelar Master of Engineering (M. Eng) di bidang
Teknik Mesin dari Universitas Gajah Mada (UGM).
Kemudian, beliau melanjutkan studi S3 di PRIME
Institute, Université de Poitiers, Prancis tahun 2018
sehingga memperoleh gelar PhD (Dr.) di bidang
Mekanika, Struktur dan Sistem Kompleks. Mulai dari
tahun 2010 sampai saat ini beliau menjadi dosen tetap
sekaligus ketua jurusan di Jurusan Teknik Industri
Fakultas Teknik Universitas Tanjungpura.

-51-