KOHONEN NEURAL NETWORK DALAM PENDETEKSIAN DUPLIKASI IMAGE DIGITAL MELALUI DETEKSI GARIS TEPI SKRIPSI MAHATHIR FEBRIAN

Transkripsi

1 KOHONEN NEURAL NETWORK DALAM PENDETEKSIAN DUPLIKASI IMAGE DIGITAL MELALUI DETEKSI GARIS TEPI SKRIPSI MAHATHIR FEBRIAN PROGRAM STUDI TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2014

2 KOHONEN NEURAL NETWORK DALAM PENDETEKSIAN DUPLIKASI IMAGE DIGITAL MELALUI DETEKSI GARIS TEPI SKRIPSI Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Teknologi Informasi MAHATHIR FEBRIAN PROGRAM STUDI TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2014

3 PERSETUJUAN Judul : KOHONEN NEURAL NETWORK DALAM PENDETEKSIAN DUPLIKASI IMAGE DIGITAL MELALUI DETEKSI GARIS TEPI Kategori : SKRIPSI Nama : MAHATHIR FEBRIAN Nomor Induk Mahasiswa : Program Studi : SARJANA (S1) TEKNOLOGI INFORMASI Departemen : TEKNOLOGI INFORMASI Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI Komisi Pembimbing : Diluluskan di Medan, 23 Agustus 2014 Pembimbing 2 Pembimbing 1 M. Andri Budiman, ST., M.Com.Sc NIP Dr. Erna Budhiarti Nababan, M.IT NIP. Diketahui/Disetujui oleh Program Studi Teknologi Informasi Ketua, M. Anggia Muchtar, ST.,MM.IT NIP

4 PERNYATAAN kohonen NEURAL NETWORK DALAM PENDETEKSIAN DUPLIKASI IMAGE DIGITAL MELALUI DETEKSI GARIS TEPI SKRIPSI Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya. Medan, 23 Agustus 2014 MAHATHIR FEBRIAN

5 UCAPAN TERIMA KASIH Puji dan syukur penulis panjatkan kepada Allah SWT Yang Maha Pengasih dan Maha Penyayang, dengan segala rahmat dan karunianya penulisan tugas akhir ini berhasil diselesaikan dalam waktu yang telah ditetapkan. Selama penyelesaian tugas akhir ini, banyak bantuan dan kerja sama serta doa dan dukungan dari berbagai pihak, oleh karena itu penulis sampaikan ucapan terima kasih sedalam-dalamnya dan penghargaan kepada : 1. Kedua orang tua dan sanak saudara penulis yang telah memberikan dukungan dan motivasi baik materil dan spiritual, Ayahanda Zakaria dan Ibunda Suryawati yang selalu sabar dalam mendidik dan membesarkan penulis. Untuk adik penulis Habibie, M.Rezeki dan Adha Natsya yang selalu memberikan semangat kepada penulis. 2. Ibu Dr. Erna Budhiarti Nababan, M.IT dan Bapak M. Andri Budiman,ST., M.Com.Sc selaku pembimbing yang telah banyak meluangkan waktu dan pikirannya, memotivasi dan memberikan kritik dan saran kepada penulis. 3. Bapak Dedy Arisandi, ST.,M.Kom dan Bapak M. Fadly Syahputra, B.Sc.,M.Sc.IT yang telah bersedia menjadi dosen pembanding yang telah memberikan kritik dan saran kepada penulis. 4. Ketua dan Sekretaris Program Studi Teknologi Informasi, Bapak M. Anggia Muchtar, ST.,MM.IT dan Bapak M. Fadly Syahputra, B.Sc.,M.Sc.IT. 5. Dekan dan Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi, semua dosen serta pegawai di Fakultas Ilmu Komputer dan Teknologi Informasi.

6 v 6. Orang terdekat penulis, Cyntia Harmaytha Harahap, ST. Terima kasih banyak telah membantu menyemangati, mendukung, dan mendampingi segala kegiatan penulis. 7. Seluruh sahabat terbaik penulis yang selalu memberikan dukungan, Denny Pratama, Ahmad Najam, Wildan Afifi, Satrya Prayudi, Darma Warista, Razky, Oliver, Junaidi Arief, Andri Agung, Anggi Brahmana, Fachriza Fahmi, Andre H Lubis, M. Taufiqul Hadi, Anthea Ria M, Boho, Yogi, Dedek, Ranap, Donny, Erfahd, Adha, Mulki, Syarah, Mitha, Ari Rifki, Bang Aulia, Bang Sandro, Bang Irwanta, seluruh angkatan 09, teman-teman SRC, teman-teman GG, temanteman Telkom, teman-teman PIM, teman-teman Mangga, teman-teman TDK serta teman-teman seluruh angkatan mahasiswa USU lainnya yang tidak dapat penulis sebutkan satu persatu. Semoga segala kebaikan dan bantuannya dibalas oleh Allah SWT dan semoga tugas akhir ini dapat bermanfaat bagi semua pihak yang memerlukannya.

7 ABSTRAK Abstrak Frekuensi penyebaran informasi dalam bentuk image digital ini semakin tinggi, baik dari segi kualitas maupun kuantitasnya. Hal ini menyebabkan sering terjadinya duplikasi image digital yang memiliki kesamaan dalam bentuk gambar, namun memiliki perbedaan dalam hal ukuran dan nama file. Duplikasi gambar ini dapat menyebabkan pemborosan dalam media penyimanan data seperti hard disk atau flash disk serta rumitnya pengaturan data dalam bentuk image digital tersebut. Oleh karena itu, perlu adanya sebuah pendekatan data yang mendeteksi duplikasi image digital di dalam media penyimpanan data, sehingga memudahkan pengguna untuk melakukan penghapusan atau pengaturan image digital tersebut. Metode kohonen neural network akan mengolah setiap sinyal dari image digital dan melakukan pengecekan terhadap sebuah image digital. Metode ini akan mengolah setiap sinyal dari image digital dan membentuk cluster-cluster disekitar tepi-tepi gambar (dihasilkan oleh proses pendeteksian garis tepi menggunakan teknik edge linking) yang selanjutnya diproses untuk menghasilkan nilai jarak antar cluster yang berdekatan. Cluster-cluster yang dibentuk akan berfungsi sebagai garis virtual pada daerah segmentasi. Garis virtual ini besar peranannya dalam hal menghubungkan garis-garis yang terputus pada saat proses pendeteksian garis tepi sebelumnya. Hal ini akan mempengaruhi tingkat ketelitian proses pendeteksian duplikasi image digital yang dilakukan. Berdasarkan pengujian yang telah dilakukan, algoritma kohonen neural network dapat segmentasi dan mengelompokkan image serta memiliki komputasi waktu yang cepat. Kata Kunci Image digital, Image duplication, Kohonen Neural Network Algorithm, Edge Linking Algorithm

8 KOHONEN NEURAL NETWORK FOR IMAGE DIGITAL DUPLICATE DETECTION USING EDGE DETECTION ABSTRACT Dissemination Information Frequency in the form of digital image is rising, both by its quality and quantity. This causes frequent digital image duplication occurences which have similarities in the form of images, and also differencies in size and file name. Duplication of this image may waste the media data strorage such as hard disc or flash disc as well as the complexity data settings in the form of the digital image. Therefore the quary for a data approach to detect any digital image duplications in the data strorage media to simplify users to remove or set the digital image is a must to do. Kohonen neural network method shall process any signal from the digital image and performs an inspection on a digital image. This method shall process any signal from a digital image and create some clusters around the image s edges (generated by the edge detection process using the edge linking technique) and further shall be processed to generate a distance value between adjacent clusters. Formed clusters shall serve as a virtual line on the segmentation area. This virtual line has a major role to reconnect any disconnected lines in the process of the previous edge detection time. This shall affect the digital image duplication detection process accuracy level conducted. Based on the ducted tests, the Kohonen neural network algorithm may segment and classifyied the image and having a fast computational time. Keyword Digital image, Image duplication, Kohonen Neural Network Algorithm, Edge Linking Algorithm

9 DAFTAR ISI Hal. PERSETUJUAN... ii PERNYATAAN... iii UCAPAN TERIMA KASIH... iv ABSTRAK... vi ABSTRACT... vii DAFTAR ISI... viii DAFTAR TABEL... x DAFTAR GAMBAR... iiixi BAB 1 PENDAHULUAN Latar Belakang Rumusan Masalah Batasan Masalahs Tujuan Penelitian Manfaat Penelitian Metodologi Penelitian Sistematika Penulisan... 5 BAB 2 LANDASAN TEORI Citra Digital Pengolahan Citra Digital Edge Linking Kohonen Neural Network Standard Deviasi Kurtosis Skweness Penelitian Terdahulu BAB 3 ANALISIS DAN PERANCANGAN Analisis Sistem Analisis Fasilitas Sistem Analisis Kebutuhan... 14

10 ix Kebutuhan Fungsional Kebutuhan Nonfungsional Penerapan Algoritma Kohonen Neural Network SOM Perancangan Sistem Flowchart Sistem Perancangan Antarmuka Program BAB 4 IMPLEMENTASI DAN PENGUJIAN SISTEM Implementasi Tampilan Hasil Pengujian Sistem Pembahasan Kelebihan Sistem Kelemahan Sistem BAB 5 KESIMPULAN DAN SARAN Kesimpulan Saran DAFTAR PUSTAKA LAMPIRAN KODE PROGRAM

11 DAFTAR TABEL Hal. Tabel 2.1 Tabel Penelitian Terdahulu 12 Tabel 3.1 Proses Edge Linking 18 Tabel 3.2 Hasil Garis Tepi Citra A 19 Tabel 3.3 Standard Deviasi, Kurtosis, dan Skweness 25 Tabel 4.1 Hasil Pembandingan Gambar yang mirip 46 Tabel 4.2 Hasil Pembandingan Gambar yang Tidak Mirip 46

12 DAFTAR GAMBAR Hal. Gambar 2.1 Color Image 6 Gambar 2.2 Citra Digital 7 Gambar 2.3 Kurva Skweness dan Kurtosis 11 Gambar 3.1 Struktur Pixel Citra A 16 Gambar 3.2 Hasil Deteksi Garis Tepi Citra A 19 Gambar 3.3 Hasil Segmentasi Citra A 20 Gambar 3.4 BMN Citra A 20 Gambar 3.5 Struktur Pixel Citra A 21 Gambar 3.6 Hasil Segmentasi Citra B 21 Gambar 3.7 BMN Citra B 21 Gambar 3.8 Flowchart Prose Kerja Perangkat Lunak 28 Gambar 3.13 Rancangan Form Utama 34 Gambar 3.14 Rancangan Form About 35 Gambar 4.1 Tampilan Form Utama 36 Gambar 4.2 Form About 37 Gambar 4.3 Gambar Normal.bmp 38 Gambar 4.4 Gambar Brighup.bmp 39 Gambar 4.5 Gambar Brigtdown.bmp 39 Gambar 4.6 Gambar Contup.bmp 40 Gambar 4.7 Gambar Contdown.bmp 40 Gambar 4.8 Gambar uji2.bmp 41 Gambar 4.9 Gambar uji3.bmp 41 Gambar 4.10 Gambar uji4.bmp 42 Gambar 4.11 Menginput Gambar Pembanding 42 Gambar 4.12 Menginput Lokasi Pencarian Gambar 43 Gambar 4.13 Mendeteksi Garis Tepi Gambar Pembanding 44 Gambar 4.14 Segmentasi Gambar Dengan Metode Kohonen SOM 44 Gambar 4.15 Hasil Pembanding Gambar 45