IMPLEMENTASI CONTENT BASED VIDEO RETRIEVAL MENGGUNAKAN SPEEDED-UP ROBUST FEATURES(SURF) SKRIPSI EVI P. MARPAUNG

Transkripsi

1 IMPLEMENTASI CONTENT BASED VIDEO RETRIEVAL MENGGUNAKAN SPEEDED-UP ROBUST FEATURES(SURF) SKRIPSI EVI P. MARPAUNG PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2017

2 IMPLEMENTASI CONTENT BASED VIDEO RETRIEVAL MENGGUNAKAN SPEEDED- UP ROBUST FEATURES(SURF) SKRIPSI Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Ilmu Komputer EVI P. MARPAUNG PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2017

3 ii PERSETUJUAN Judul : IMPLEMENTASI CONTENT BASED VIDEO RETRIEVAL MENGGUNAKAN SPEEDED-UP ROBUST FEATURES (SURF) Kategori : SKRIPSI Nama : EVI P. MARPAUNG Nomor Induk Mahasiswa : Program Studi : SARJANA (S-1) ILMU KOMPUTER Departemen Fakultas : ILMU KOMPUTER : FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA Diluluskan di Medan, Juli 2017 Komisi Pembimbing : Pembimbing 2 Pembimbing 1 Jos Timanta Tarigan, S.Kom., M.Sc Dr. Poltak Sihombing, M.Kom. NIP NIP Diketahi/disetujui oleh Program Studi S-1 Ilmu Komputer Ketua, Dr. Poltak Sihombing, M.Kom. NIP

4 iii PERNYATAAN IMPLEMENTASI CONTENT BASED VIDEO RETRIEVAL MENGGUNAKAN SPEEDED-UP ROBUST FEATURES (SURF) SKRIPSI Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing masing telah disebutkan sumbernya. Medan, Juli 2017 Evi P. Marpaung

5 iv UCAPAN TERIMA KASIH Segala puji, syukur, hormat, serta kemuliaan hanya bagi Tuhan Yesus Kristus,Allah luar biasa yang telah memberikan kesempatan kepada penulis untuk mengerjakan dan menyelesaikan skripsi ini, sebagaisyaratuntukmemperolehgelarsarjanakomputerpada Program Studi S1 IlmuKomputer. Dalam pengerjaan studi dan penulisan skripsi ini, penulis telah menerima banyak dukungan berupa doa, pemikiran, kerjasama, semangat, dan dana dari berbagai pihak.penulisinginmenyampaikan rasa hormatdanterimakasih yang sebesar besarnyakepada : 1. Bapak Prof. Dr. RuntungSitepu, S.H., M.Humselaku Rektor Universitas Sumatera Utara. 2. Bapak Prof. Dr. Opim Salim Sitompul, M.Sc, selaku Dekan Fakultas Ilmu Komputer dan Teknologi Informasi,. 3. Bapak Dr. Poltak Sihombing, M.Kom selaku Ketua Program Studi S1 Ilmu Komputer dan sekaligus Dosen Pembimbing I yang telah memberikan bimbingan, saran, masukan, dan dukungan kepada penulis dalam pengerjaan skripsi ini. 4. BapakJos Timanta Tarigan, S.Kom, M.Scselaku Dosen Pembimbing II yang telah memberikan bimbingan, saran, dan masukan kepada penulis dalam pengerjaan skripsi ini. 5. Bapak M. AndriBudiman, S.T., M.Comp.Sc., M.E.M selaku Dosen PembandingI yang telah memberikan kritik dan saran untuk penyempurnaan skripsi ini. 6. IbuAmalia, S.T, M.Tselaku Dosen Pembanding II yang memberikan kritik dan saran untuk penyempurnaan skripsi ini. 7. Seluruh tenaga pengajar dan pegawai Program Studi S1 Ilmu Komputer Fasilkom-TI USU. 8. AyahandaAlm. Doras Parulian MarpaungdanIbundaSiti Swarni Simbolonyang selalu memberikan doa dan dukungan serta kasih sayang kepada penulis, sertaadik adik tersayanganggi N. MarpaungdanMarisa Marpaungyang

6 v terusmemberikandukungan dan doronganbagipenulisuntukmenyelesaikanskripsiini. 9. Lorent Oliver Barus, S.Kom, sahabat terkasih yang telah banyak membantu penulis melalui doa dan dukungan yang diberikan agar penulis tetap semangat dalam mengerjakan skripsi ini. 10. Sahabat penulis, IOTA (Agustin Sri Intan Sinaga, S.Kom., Endang Pranata Tambunan, Hanna Saraswati Manullang, Laura Angelina Hasibuan, Yuni Marlina Kristiani Nainggolan, S.Kom) yang telah banyak memberikan doa, dukungan dan semangat selama menjalani proses perkuliahan dan penyelesaian skripsi ini. 11. Kelompok Tumbuh Bersama, yaituerwin M.H. Sinaga, Exaudi Naipospos Bagariang, Daniel Hamonagan Siregar, Ezra Yunio Sirait, serta Aditia Arisha Putra Kaban yang telah memberikan doa dan dukungan selama penulis menjalani masa perkuliahan dan pengerjaan skripsi. 12. Keluarga KMKI yang telah banyak memberikan doa dan semangat kepada penulis dalam penyelesaian skripsi ini. 13. Teman teman kuliah Ilmu Komputer Stambuk 2013 khususnya untuk KOM B yang telah banyak memberikan motivasi dan semangat dalam menyelesaikan skripsi ini. 14. Dan semuapihak yang telahbanyakmembantu yang tidakbisadisebutkansatupersatu. Semogasemuakebaikan, bantuan, perhatian, sertadukungan yang telahdiberikankepadapenulismendapatkanpahala yang melimpahdarituhan Yang Maha Esa. Medan, Juli2017 Penulis

7 vi ABSTRAK Temu balik video ataupun temu balik video berdasarkan konten gambar adalah salah satu bidang penelitian dari sistem temu balik informasi. Content Based Video Retrieval memiliki empat tahapan yaitu segmentasi video yang menghasilkan frame frame, ekstraksi keyframe merupakan tahapan memilih frame kunci dari semua frame koleksi video, tahapan ekstraksi fitur menggunakan algoritma Speeded-Up Robust Features (SURF). Surf adalah detektor dan deskriptor fitur citra yang cepat. Dan kini banyak digunakan secara luas dalam aplikasi kompter visual seperti dalam aplikasi temu balik video.surf pertama kali dipresentasikan oleh Herbert Bay pada konferensi Eropa 2006 tentang Computer Vision dan sebagian terinspirasi oleh Scale-Invariant Features Transform (SIFT). Titik interest atau key point dari citra query dan keyframe direpresentasikan oleh vektor yang kemudian akan dibandingkan dalam tahap pencocokan fitur. Tahap pencocokan fitur dilakukan dengan membandingkan nilai fitur pada queryyang diberikan dengan keyframe pada koleksi video setiap kategori. Parameter yang digunakan untuk mengukur kualitas dari hasiltemu balik video adalah nilai dari Recall, Precision, dan Running Time. Berdasarkan hasil pengujian menggunakan 2 jenis query, Query Bukan Frame yaitu query yang diambil diluar frame koleksi video dan Query Dari Frame yang diambil dari frame koleksi video.rata rata nilai Recall54,75%, nilai rata rata Precision 37,5%, serta nilai Running Time 73,56 detik. Query Dari Frame dengan nilai rata rata Recall 51%, nilai rata rata Precision 59%, dan Running Time 121,67 detik. Kata Kunci : Video, Citra, Temu Balik, Ekstraksi Fitur, Content Based Video Retrieval (CBVR), Speeded-Up Robust Features (SURF).

8 vii IMPLEMENTATION OF CONTENT BASED VIDEO RETRIEVAL WITH SPEEDED-UP ROBUST FEATURES (SURF) ABSTRACT Image Retrieval (IR) or Content-Based Image Retrieval (CBIR) is a well-known field of research in Information Retrieval System (IRS). Content Based Video Retrieval has four stages: video segmentation that produces frames, keyframe extraction is the stage of selecting key frames of all video frames, feature extraction stages using Speeded- Up Robust Features (SURF) algorithm. Surf is a fast image detector and descriptor feature. It is now widely used in visual compiler applications such as in video.surf backlash apps were first presented by Herbert Bay at the 2006 European conference on Computer Vision and partly inspired by the Scale-Invariant Features Transform (SIFT). The interest point or key point of the query image and keyframe is represented by the vector which will then be compared in the feature matching stage. The feature matching stage is performed by comparing the feature value of the given query with the keyframe on the video collection of each category. The parameters used to measure the quality of video feedbacks are the values of Recall, Precision, and Running Time. Based on the test results using two types of queries, Query Not Frame is a query that is taken outside the frame of the video collection and Query From Frame taken from frame collection video.average Recall value 54.75%, Precision average 37.5%, and Running Time value seconds. Query From Frame with Recall 51% average value, Precision 59% average value, and Running Time sec. Keywords : Video, Image, Retrieval, Feature Extraction, Content Based Video Retrieval (CBVR), Speeded-Up Robust Features (SURF).

9 viii DAFTAR ISI Persetujuan Pernyataan Penghargaan Abstrak Abstract Daftar Isi Daftar Tabel Daftar Gambar Daftar Lampiran ii iii iv vi vii viii xi xii xiv Bab 1 Pendahuluan 1.1 Latar Belakang Rumusan Masalah Batasan Masalah Tujuan Penelitian Manfaat Penelitian Metode Penelitian Sistematika Penelitian 4 Bab 2 Landasan Teori 2.1 Video Citra Jenis Jenis Citra Digital Information Retrieval (IR) Video Retrieval Content Based Video Retrieval (CBVR) 12

10 ix Segmentasi Video Ekstraksi Keyframe Ekstraksi Fitur Pencocokan Fitur Speeded-Up Robust Features (SURF) Efektivitas Information Retrieval System (IRS) Penelitian Yang Terdahulu 17 Bab 3 Analisis dan Perancangan 3.1 Analisis Sistem Analisis Masalah Analisis Kebutuhan Kebutuhan Fungsional Kebutuhan Nonfungsional Analisis Proses Perancangan Sistem Pemodelan Sistem Use Case Diagram Activity Diagram Sequence Diagram Flowchart Flowchart Sistem Perancangan Antarmuka (Interface) 32 Bab 4 Implementasi dan Pengujian Sistem 4.1 Implementasi Sistem Tampilan Antarmuka Form Home Tampilan Antarmuka Form Video Tampilan Antarmuka Form Tambah Video Tampilan Antarmuka Form Player TampilanAatramuka Form SURF Penjelasan Pengujian Sistem 48

11 x Koleksi Video Pengujian SistemDengan Query Bukan Frame PengujianSistemDengan Query Dari Frame HasilPengujian HasilPengujianSistemDengan Query Bukan Frame HasilPengujianSistemdengan Query Dari Frame Parameter Penguji Parameter PengujiHasilSistemDengan Query Bukan Frame Parameter PengujiHasilSistemDengan Query Dari Frame Grafik Parameter Recall, Precision dan Running Time Grafik Parameter Recall, Precision dan Running Time terhadap Query Bukan Frame Grafik Parameter Recall, Precision dan Running Time terhadap Query Dari Frame 71 Bab 5 Penutup Kesimpulan Saran 76 Daftar Pustaka 77 Lampiran A-1

12 xi DAFTAR TABEL Nomor Tabel Nama Tabel Halaman Dokumentasi naratif Use-case Mencari Video Relevan berdasarkan Query Dokumentasi naratif Use-case Segmentasi Video Dokumentasi naratif Use-case Ekstraksi Keyframe Dokumentasi naratif Use-case Ekstraksi Fitur Dokumantasi naratif Use-case Pencocokan Fitur Keterangan Gambar Rancangan Interface Halaman Awal Keterangan Gambar Rancangan Interface Halaman Data Video Keterangan Gambar Rancangan Interface Halaman Penambahan Video Keterangan Gambar Rancangan Interface Halaman Pemutar Video Keterangan Gambar Rancangan Interface Halaman Pencarian Video Relevan DaftarKoleksi Video Daftar Query Bukan Frame Daftar Query Dari Frame HasilPengujianSistemdengan Citra Query Bukan Frame HasilPengujianSistemdengan Citra Query Dari Frame Hasil Parameter PengujianSistemDengan Query Bukan Frame Hasil Parameter PengujianSistemDengan Query Dari Frame

13 xii DAFTAR GAMBAR Nomor Gambar Nama Gambar Halaman 2.1 Koordinat Citra Digital ContohGambar Citra RGB ContohGambar Citra Grayscale ContohGambar Citra Biner Proses Content Based Video Retrieval Segmentasi Video Ishikawa Diagram Sistem Use-case Diagram Sistem Activity Diagram Sistem Sequence Diagram Sistem FlowchartSistem RancanganHalamanAwal RancanganHalaman Data Video RancanganHalamanPenambahan Video RancanganHalamanPemutar Video RancanganHalamanPencarian Video Relevan Form Home Form Video Form Tambah Video Form Player Form SURF Proses Scale Space Ilustrasi Proses Scale Space dengan Filtering Berkala Ilustrasi Integral Image Grafik Running Time Query Bukan Frame 70

14 xiii 4.10 Grafik Running Time, Recall dan Precision Query Bukan 71 Frame 4.11 Grafik Running Time Query Dari Frame Grafik Running Time, Recall dan Precision Query Bukan 73 Frame 4.13 Nilai Rata-Rata Recall dan Precision Query Dari Frame SetiapKategori 73

15 xiv DAFTAR LAMPIRAN Lampiran 1 Listing Program A-1 Lampiran 2 Curriculum Vitae B-1