KLASIFIKASI CITRA BERDASARKAN BENTUK OBJEK DENGAN METODE TRANSFORMASI HOUGH MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR TUGAS AKHIR

Transkripsi

1 KLASIFIKASI CITRA BERDASARKAN BENTUK OBJEK DENGAN METODE TRANSFORMASI HOUGH MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR TUGAS AKHIR Diajukan Untuk Memenuhi Persyaratan Akademik Studi Strata Satu (S1) Teknik Informatika Universitas Muhammadiyah Malang Oleh : Mika Purnamasari JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNIK UNIVERSITAS MUHAMMADYAH MALANG 2014

2 LEMBAR PERSETUJUAN KLASIFIKASI CITRA BERDASARKAN BENTUK OBJEK DENGAN METODE TRANSFORMASI HOUGH MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR TUGAS AKHIR Oleh : Mika Purnamasari Telah Direkomendasikan Untuk Diajukan Sebagai Judul Tugas Akhir Di Teknik Informatika Universitas Muhammadiyah Malang Menyetujui, Pembimbing I Pembimbing II (Eko Budi Cahyono, S.Kom, MT) NIP (Ali Sofyan Kholimi, S.Kom) ii

3 LEMBAR PENGESAHAN KLASIFIKASI CITRA BERDASARKAN BENTUK OBJEK DENGAN METODE TRANSFORMASI HOUGH MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR TUGAS AKHIR Diajukan Untuk Memenuhi Persyaratan Guna Meraih Gelar Sarjana Strata Satu Teknik Informatika Universitas Muhammadiyah Malang Disusun Oleh : MIKA PURNAMASARI Tugas Akhir ini telah diuji dan dinyatakan lulus oleh tim penguji pada tanggal 10 Januari 2014 Mengetahui/Menyetujui Penguji I Penguji II (Yuda Munarko, S.Kom, M.Sc) NIP (Yufis Azhar, S.Kom) Mengetahui Ketua Jurusan Teknik Informatika (Eko Budi Cahyono, S.Kom, MT ) NIP iii

4 LEMBAR PERNYATAAN Yang bertanda tangan di bawah ini: Nama : Mika Purnamasari Tempat / Tgl Lahir : Tapin / 5 Desember 1991 NIM : Fakultas / Jurusan : Teknik / Teknik Informatika Dengan ini saya menyatakan bahwa Tugas Akhir dengan judul KLASIFIKASI CITRA BERDASARKAN BENTUK OBJEK DENGAN METODE TRANSFORMASI HOUGH MENGGUNAKAN ALGORITMA K- NEAREST NEIGHBOR beserta seluruh isinya adalah karya saya sendiri dan bukan merupakan karya tulis orang lain, baik sebagian maupun keseluruhan, kecuali dalam bentuk kutipan yang telah disebutkan sumbernya. Demikian surat pernyataan ini saya buat dengan sebenar-benarnya. Apabila kemudian ditemukan adanya pelanggaran terhadap etika keilmuan dalam karya saya ini, atau ada klaim dari pihak lain terhadap keaslian karya saya ini maka saya siap menanggung segala bentuk resiko/sanksi yang berlaku. Malang, 20 Januari 2014 Yang Membuat Pernyataan Mengetahui, (Mika Purnamasari) NIM Dosen Pembimbing I Dosen Pembimbing II (Eko Budi Cahyono, S.Kom, MT) NIP (Ali Sofyan Kholimi, S.Kom) iv

5 LEMBAR PERSEMBAHAN Assalammu alaikum wr.wb Puji syukur kehadirat Allah SWT yang telah memberikan limpahan rahmat dan karunia Nya, serta shalawat dan salam kepada Rasulullah SAW sehingga penulis dapat menyelesaikan Tugas Akhir ini. Dalam menyelesaikan Tugas Akhir ini ada banyak pihak yang telah membantu penulis sehingga Tugas Akhir ini dapat terselesaikan dengan baik. Oleh karena itu tak lupa penulis juga mengucapkan terima kasih yang sebesarbesarnya kepada: 1. Ibunda Suismiyati tersayang, yang telah memberikan dukungan serta bantuan baik secara moril maupun materil, yang takkan mampu saya bayar sampai kapanpun dan dengan apapun. Terima kasih Mama atas ilmu yang diberikan, kasih sayang, kesabaran, motivasi, serta dukungan yang tak ada habisnya. 2. Mbah Muhammad Anhari, salah satu motivasi saya menyelesaikan tugas akhir ini, spirit tak terhingga selalu hadir karena beliau. Terima kasih Mbah atas doa yang terus menyertai setiap langkahku. 3. Mbah Rumini (Almh), saya percaya Mbah tersenyum disana karena saya dapat menyelesaikan tugas akhir ini. Terima kasih atas kasih sayang, dan segalanya yang telah diberikan selama ini. 4. Seluruh keluarga besar Anhari yang selalu memberikan doa dan dukungan, serta kehangatan kasih sayang keluarga. 5. Bapak Eko Budi Cahyono, S.Kom. MT selaku Dosen Pembimbing I dan Bapak Bapak Ali Sofyan Kholimi, S.Kom selaku Dosen Pembimbing II, yang telah banyak membantu memberikan pengarahan dan bimbingan selama pengerjaan Tugas Akhir ini. 6. Para dosen FT-UMM khususnya Jurusan Teknik Informatika UMM yang telah banyak memberikan bekal selama masa kuliah di Teknik Informatika UMM. 7. Nisa, Geulis, Eka, Rini, Intan, Popo, Nina. Terima kasih telah menjadi orang super yang selalu memberikan dukungan, serta semua yang indah selama ini. Semua dengan kalian adalah kebahagiaan (Never Forget \m/). vii

6 8. Kak Anggit, Kak Mirza, dan Kak Farid yang telah memberikan referensireferensi bahan bagi penulisan Tugas Akhir ini, bersedia bertukar ilmu pengetahuannya, memberikan saran, dan membantu saya saat mengalami kesulitan dalam mengerjakan Tugas Akhir ini. 9. Semua teman angkatan 2009, khususnya kelas A yang bersedia bertukar ilmu pengetahuannya. 10. Semua pihak yang telah membantu dalam penyelesaian Tugas Akhir ini. Akhir kata saya persembahkan karya berharga ini kepada para pembaca, khususnya para Mahasiswa Teknik Informatika Universitas Muhammadiyah Malang, semoga Tugas Akhir ini bermanfaat dalam mengembangkan wawasan serta ilmu pengetahuan. Wassalammu alaikum wr.wb Malang, Januari 2014 Mika Purnamasari NIM : viii

7 KATA PENGANTAR Bismillahirahmanirrahim. Dengan mengucap puji dan syukur kehadirat Allah SWT atas limpahan rahmat dan hidayah-nya sehingga penulis dapat menyelesaikan dengan baik tugas akhir yang berjudul: KLASIFIKASI CITRA BERDASARKAN BENTUK OBJEK DENGAN METODE TRANSFORMASI HOUGH MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR Pada penelitian tugas akhir ini, dirancang sebuah sistem yang bertujuan untuk mengklasifikasi data citra baru ke dalam data latih yang telah ada, sesuai dengan ciri tertentu yang dimiliki, dengan adanya sistem klasifikasi citra ini akan memudahkan dalam proses pengelompokkan citra tersebut berdasarkan kesamaan ciri yang dimiliki oleh citra. Penulis menyadari dengan sepenuhnya bahwa penelitian ini masih jauh dari kesempurnaan oleh sebab itu penulis mengharapkan masukan berupa saran maupun kritikan yang membangun untuk pengembangan sistem klasifikasi citra ini lebih lanjut. Malang, Januari 2014 Penulis ix

8 DAFTAR ISI HALAMAN JUDUL... LEMBAR PERSETUJUAN... i ii LEMBAR PENGESAHAN... iii LEMBAR PERNYATAAN... iv ABSTRAKSI v ABSTRACT.... vi LEMBAR PERSEMBAHAN... vii KATA PENGANTAR... ix DAFTAR ISI... x DAFTAR GAMBAR... xiii DAFTAR TABEL... xv DAFTAR LAMPIRAN... xvi BAB I PENDAHULUAN 1.1. Latar Belakang Rumusan Masalah Tujuan Batasan Masalah Metodologi Sistematika Penulisan... 4 BAB II LANDASAN TEORI 2.1. Citra Definisi Citra... 5 x

9 Jenis-jenis Citra Digital Jenis-jenis Format Citra Pengolahan Citra Definisi Pengolahan Citra Tahap Pengolahan Citra Ekstraksi Fitur Citra Definisi Ekstraksi Fitur Citra Jenis-jenis Fitur Fitur Bentuk Definisi Fitur Bentuk Deteksi Tepi Transformasi Hough Hu Moment Invariant Algoritma Klasifikasi Algoritma K-Nearest Neighbor BAB III ANALISA DAN PERANCANGAN SISTEM 3.1. Analisa Kebutuhan Sistem Perancangan Alur Sistem Preprocessing Citra Klasifikasi Menggunakan K-Nearest Neighbor Desain Interface BAB IV IMPLEMENTASI DAN PENGUJIAN 4.1. Implementasi Batasan Implementasi xi

10 4.1.2 Implementasi Perangkat Lunak Implementasi Sistem Konveri ke Format File *.bmp Resize Citra Grayscale Deteksi Tepi Canny Transformasi Hough Hu Moment Invariant Training Data Algoritma K-Nearest Neighbor Interface Aplikasi Pengujian Sistem dan Analisa Perancangan Pengujian Pengujian Sistem BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan Saran DAFTAR PUSTAKA xii

11 DAFTAR GAMBAR Gambar 2. 1 Tepian Step Gambar 2. 2 Tepian Ramp Gambar 2. 3 Tepian Line Gambar 2. 4 Tepian Step-Line Gambar 2. 5 Deskripsi Parametrik Garis Lurus Gambar 2. 6 Ilustrasi Koordinat (x0, y0, r) Gambar 3. 1 Flowchart Garis Besar Aplikasi Gambar 3. 2 Flowchart Preprocessing Gambar 3. 3 Flowchart Grayscaling dan Thresholding Gambar 3. 4 Flowchart Deteksi Tepi Canny Gambar 3. 5 Flowchart Hu Moment Invariant Gambar 3. 6 Flowchart Klasifikasi Citra dengan k-nearest neighbor Gambar 3. 7 Tampilan Awal Aplikasi Gambar 3. 8 Tampilan Menu Klasifikasi Citra Gambar 3. 9 Tampilan Halaman Informasi Gambar 4. 1 Konversi ke Format File *.bmp Gambar 4. 2 Memilih BMP Option Gambar 4. 3 Potongan Kode Resize Gambar 4. 4 Potongan Kode dan Output Grayscale Gambar 4. 5 Potongan Kode dan Output Deteksi Tepi Canny Gambar 4. 6 Potongan Kode Transformasi Hough(1) Gambar 4. 7 Potongan Kode Transformasi Hough(2) Gambar 4. 8 Potongan Kode Perhitungan Momen Pusat Gambar 4. 9 Potongan Kode Perhitungan Momen Pusat Normalisasi Gambar Potongan Kode Tujuh Vektor Momen Gambar Potongan Kode Penyederhanaan Nilai Momen Gambar Potongan Kode Training Data Gambar Potongan Kode Klasifikasi Gambar Struktur Menu Aplikasi Gambar Index Menu Aplikasi xiii

12 Gambar Menu Proses Klasifikasi Citra Gambar Menu Bantuan xiv

13 DAFTAR TABEL Tabel 4. 1 Hasil Pengujian Klasifikasi Sample Citra Square Tabel 4. 2 Hasil Pengujian Klasifikasi Sample Citra Triangle Tabel 4. 3 Hasil Pengujian Klasifikasi Sample Citra Circle Tabel 4. 4 Hasil Pengujian Klasifikasi Sample Citra Rectangle Tabel 4. 5 Hasil Pengujian Klasifikasi Sample Citra Ellipse Tabel 4. 6 Kesimpulan Hasil Pengujian Sample Tabel 4. 7 Persentase Akurasi Klasifikasi K-NN k=1 sampai k= Tabel 4. 8 Confusion Matrix Tabel 4. 9 Confusion Matrix Square Tabel Confusion Matrix Triangle Tabel Confusion Matrix Circle Tabel Confusion Matrix Rectangle Tabel Confusion Matrix Ellipse xv

14 DAFTAR LAMPIRAN LAMPIRAN 1 DATA LATIH LAMPIRAN 2 DATA UJI PENGUJIAN I LAMPIRAN 3 DATA UJI PENGUJIAN II xvi

15 DAFTAR PUSTAKA [1] Ferry, dkk Studi Eksperimen Pada Perhitungan Kedalaman Objek 3D dengan Pendekatan Stereo Vision. Universitas Bina Nusantara. [2] Amaliah, Bilqis, dkk Penggunaan Persamaan Difusi Nonlinier dan Deteksi Tepi Canny untuk Segmentasi Citra Melanoma. Institut Teknologi Sepuluh Nopember, Surabaya. [3] Feriawan, Anggit Aldila Klasifikasi Citra Berbasis Histogram Pada Ruang Warna HSL dengan Menggunakan Algoritma K-Nearest Neighbor. Universitas Muhammadiyah Malang. [4] B. J. Lei, Emile A. Hendriks, M.J.T. Reinders On Feature Extraction from Images. [5] Cahyo, Septian Dwi. Analisis Perbandingan Beberapa Metode Deteksi Tepi Menggunakan Delphi 7. Universitas Gunadarma, Depok. [6] Putri, Emitha Veriana Pengenalan Pola Isyarat Statik dengan Jaringan Syaraf Tiruan Probabilistik. Universitas Muhammadiyah Malang. [7] Flusser, Jan dkk Moments and Moment Invariants in Pattern Recognition. Academy of Sciences of the Czech Republic. Prague, Czech Republic [8] Huang, Zhihu dan Leng Jinsong Analysis of Hu's Moment Invariants on Image Scaling and Rotation. Edith Cowan University. [9] Diakses pada tanggal 09/06/2013. [10] John Haddon, Markos Markou dan Sameer Singh Nearest Neighbour Strategies For Image Understanding. United Kingdom. [11] Putra, Darma Pengolahan Citra Digital. Penerbit Andi: Yogyakarta. [12] Rizanti, Hanifa Vidya Pengenalan Citra Alphabet Berdasarkan Parameter Momen Invarian dengan Metode Case Based Reasoning. Universitas Brawijaya. [13] Wijaya, Marvin Chandra dan Prijono Agus Pengolahan Citra Digital Menggunakan Matlab. Informatika: Bandung. [14] William K. Pratt Digital Image Processing. A Wiley-Interscience Publication. United States of America. 64