LEMBAR PENGESAHAN TUGAS AKHIR...

Transkripsi

1 DAFTAR ISI HALAMAN SAMPUL... i HALAMAN JUDUL... ii PERNYATAAN... iii LEMBAR PENGESAHAN TUGAS AKHIR... iv BERITA ACARA TUGAS AKHIR... v KATA PENGANTAR... vi ABSTRAK... viii ABSTRACT... ix DAFTAR ISI... x DAFTAR GAMBAR... xiii DAFTAR TABEL... xv DAFTAR LAMPIRAN... xviii BAB I PENDAHULUAN Latar Belakang Rumusan Masalah Tujuan Penelitian Manfaat Penelitian Batasan Masalah Penelitian Sistematika Penulisan... 4 BAB II TINJAUAN PUSTAKA State of the Art Text Based Image Retrieval Content Based Image Retrieval (CBIR) Pengertian Citra Digital Jenis-Jenis Citra Jenis-Jenis Citra Penyakit Kulit Pra- Pengolahan Citra Digital Ruang Warna Citra Grayscale Ekstraksi Fitur Color Moments Lacunarity Normalisasi Jarak x

2 2.9 Similarity Ecludien Distance City Block Distance Chebyshev Distance Minowski Distance Canberra Distance Bray Curtis Distance Angular Distance Correlation Distance Hamming Distance Dynamic Time Warping Distance Precision PHP BAB III METODE DAN PERANCANGAN SISTEM Tempat dan Waktu Penelitian Alur Penelitian Data Sumber Data Jenis Data Metode Pengumpulan Data Kebutuhan Hardware dan Software Perancangan Sistem Gambaran Umum Sistem Analisis Input dan Output Sistem Perancangan Sistem Admin Pengolahan Ekstraksi Fitur Citra Penyakit Kulit Perangkat Permodelan Sistem Diagram Konteks Keseluruhan Sistem CBIR DFD Level 0 Sistem CBIR Rancangan Basis Data Entity Relationship Diagram Implementasi Basis Data Interface BAB IV PEMBAHASAN DAN HASIL ANALISIS Pengujian dan Analisis xi

3 4.2 Uji Coba Antarmuka Uji Coba Proses Ekstraksi Fitur Uji Coba Ekstraksi Color Moments Uji Coba Ekstraksi Lacunarity Uji Coba Ekstraksi Lacunarity dan Color Moments Analisis Keakurasian Metode Color Moments dan Lacunarity BAB V PENUTUP Simpulan Saran DAFTAR PUSTAKA LAMPIRAN xii

4 DAFTAR GAMBAR Gambar 2.1 Diagram Fishbone Gambar 2.2 Text Based Image Retrieval Gambar 2.3 Arsitektur Sistem CBIR Gambar 2.4 Teknik pencarian image untuk memperoleh image Gambar 2.5 Citra Bitmap Gambar 2.6 Citra JPEG Gambar 2.7 Ruang Warna HSV Gambar 2.8 Lacunarity Rendah dan Lacunarity Tinggi Gambar 2.9 Metode Differential Box-Counting (DBC) Gambar 2.10 Contoh Algoritma Overlapping Gambar 2.11 Contoh Algoritma Sliding Gambar 2.12 Prinsip kerja PHP Gambar 3.1 Flowchart Alur Analisis Penelitian Gambar 3.2 Gambaran Umum Sistem CBIR Gambar 3.3 Flowchart Admin...52 Gambar 3.4 Citra Query Gambar 3.5 Flowchart RGB ke HSV Gambar 3.6 Citra Greyscale...58 Gambar 3.7 Flowchart Greyscale.. 59 Gambar 3.8 Flowchart Color Moments Gambar 3.9 Ilustrasi Mencari Nilai U dan V Gambar 3.10 Flowchart Differential Box Counting (DBC)...67 Gambar 3.11 Diagram Konteks CBIR.. 68 Gambar 3.12 Data Flow Diagram Level 0 CBIR.. 69 Gambar 3.13 Entity Relationship Diagram CBIR Gambar 3.14 Halaman Login Sistem CBIR...77 Gambar 3.15 Halaman Administrator Sistem CBIR.. 78 Gambar 3.16 Halaman Tambah Data Sistem CBIR...79 Gambar 3.17 Halaman Tambah Gambar Sistem CBIR Gambar 3.18 Halaman Edit Data Kategori Penyakit Sistem CBIR Gambar 3.19 Halaman Hapus Data Kategori Penyakit Sistem CBIR...81 Gambar 3.20 Halaman Hapus Detail Gambar Penyakit Sistem CBIR.. 82 Gambar 3.21 Halaman Home Sistem CBIR...83 Gambar 4.1 Proses Pengolahan Gambar Gambar 4.2 Parameter Sistem Gambar 4.3 Halaman Utama CBIR..88 Gambar 4.4 Proses Upload Image Query..89 Gambar4.5 Citra Uji...90 Gambar4.6 Pra-proses RGB ke HSV...90 Gambar4.7 Tampilan Ekstraksi Fitur Color Moments...92 Gambar4.8 Pra-proses RGB ke Greyscale Gambar4.9 Hasil Ekstraksi Fitur Lacunarity. 96 Gambar 4.10 Tampilan Ekstraksi Fitur Lacunarity...99 xiii

5 Gambar 4.11 Tampilan Ekstraksi Kombinasi Kedua Fitur Gambar 4.12 Grafik Precision Hasil Ekstraksi Color Moments Gambar 4.13 rafik Precision Hasil Ekstraksi Lacunarity Gambar 4.14 Grafik Precision Hasil Kombinasi Kedua Ekstraksi Fitur Gambar 4.15 Grafik Persentase xiv

6 DAFTAR TABEL Tabel 2.1 Daftar State of The Art.. 10 Tabel 2.2 Penyakit Kulit Tabel 2.3 Contoh Data Ecludien Distance Tabel 2.4 Contoh Data City block distance Tabel 2.5 Contoh Data Chebyshev distance. 33 Tabel 2.6 Contoh Data Minowski distance 34 Tabel 2.7 Contoh Data Canberra distance 35 Tabel 2.8 Contoh Data Bray Curtis distance 36 Tabel 2.9 Contoh Data Angular distance...37 Tabel 2.10 Contoh Data Correlation distance Tabel 2.11 Contoh Data Hamming distance. 39 Tabel 3.1 Matriks Red Tabel 3.2 Matriks Green Tabel 3.3 Matriks Blue.. 54 Tabel 3.4 Hasil Nilai Hue.. 56 Tabel 3.5 Hasil Nilai Saturation Tabel 3.6 Hasil Nilai Value Tabel 3.7 Hasil Nilai Grayscale. 58 Tabel 3.8 Hasil Nilai Color Moments...60 Tabel 3.9 Citra L1. 62 Tabel 3.10 Pergerakan Window Pertama..63 Tabel 3.11 Pergerakan Window Kedua..64 Tabel 3.12 Pergerakan Window Ketiga. 64 Tabel 3.13 Pergerakan Window Keempat. 65 Tabel 3.14 Perhitungan Lacunarity Tabel 3.15 Hasil Nilai Ciri Warna Database Tabel 3.16 Hasil Nilai Ekstraksi Fitur Color Moments 68 Tabel 3.17 Tabel tb_penyakit Tabel 3.18 Tabel Contoh tb_penyakit.. 70 Tabel 3.19 Tabel tb_penyakit_detail Tabel 3.20 Tabel Contoh tb_penyakit_detail Tabel 3.21 Tabel tb_user Tabel 3.22 Tabel Contoh tb_user. 72 Tabel 3.23 Tabel tb_penyakit_detail_dbc Tabel 3.24 Tabel Contoh tb_penyakit_detail_dbc Tabel 4.1 Citra Latih Penyakit Kulit...83 Tabel 4.2 Citra Uji Penyakit Kulit 85 Tabel 4.3 Hasil Ekstraksi Fitur Metode Color Moments.. 91 Tabel 4.4 Hasil 9 Nilai Fitur Citra Uji dan Citra Latih. 91 Tabel 4.5 Hasil Ekstraksi Fitur Metode Lacunarity.. 94 Tabel 4.6 Hasil 25 Nilai Fitur Citra Uji dan Citra Latih Tabel 4.7 Pengujian Fitur Metode Color Moments. 103 xv

7 Tabel 4.8 Pengujian Fitur Metode Lacunarity Tabel 4.9 Pengujian Kombinasi Fitur Metode Lacunarity dan Color Moments xvi

8 DAFTAR LAMPIRAN Tabel 1 Hasil Uji Ektraksi Fitur Color Moments 113 Tabel 2 Hasil Uji Ektraksi Fitur Lacunarity Tabel 3 Hasil Uji Ektraksi Fitur Kombinasi xvii

9 ABSTRAK Image retrieval adalah teknik untuk mencari gambar yang mempunyai kemiripan dengan kriteria gambar tertentu dari sekumpulan gambar dengan melakukan perbandingan antara citra query dengan citra yang ada dalam database berdasarkan informasi yang ada pada citra tersebut, karena pada umumnya pencarian berdasarkan informasi metadata citra (text-based) sering dianggap kurang akurat dan efektif dalam merepresentasikan sebuah citra. Permasalahan text based ini diatasi dengan cara pencarian citra berdasarkan informasi isi citra atau dikenal dengan Content Based Image Retrieval (CBIR). Penelitian yang dilakukan memberikan kontribusi berupa sistem CBIR yang dikembangkan menggunakan ektraksi fitur tekstur dan warna dalam mencari informasi isi suatu objek citra penyakit kulit. Fitur tekstur diekstraksi menggunakan Lacunarity, sedangkan untuk ekstraksi fitur warna menggunakan Color Moments serta kombinasi dari kedua Metode. Hasil pengujian ekstraksi ciri warna menggunakan Metode Color Moments menghasilkan gambar yang sesuai dengan persentase kemiripan sebesar 100% dan uji coba ekstraksi ciri tekstur dengan menggunakan Metode Lacunarity menghasilkan gambar yang sesuai dengan persentase kesesuaian sebesar 25%, dilanjutkan dengan uji coba kombinasi kedua Metode dan proses normalisasi menghasilkan gambar yang sesuai dengan persentase kesesuaian sebesar 60%. Kata Kunci : Image Retrieval, Content Based Image Retrieval, Lacunarity, Color Moments, Penyakit Kulit. xviii

10 ABSTRACT Image retrieval is a technique for finding images that resemble certain image criteria from a set of images by performing a comparison between a query image with an image present in the database based on the information contained in the image, since in general searching is based on image metadata (text-based) Often considered less accurate and effective in representing an image. This text based problem is solved by way of image search based on image content information or known as Content Based Image Retrieval (CBIR). The research conducted contributed in the form of CBIR system developed using the extract of texture and color features in searching the content information of a skin disease image object. The textured feature is extracted using Lacunarity, while for color feature extraction using Color Moments as well as a combination of both Methods. The results of color characteristic extraction test using Color Moments Method yielded images corresponding to 100% similarity percentages and experimentation of texture characteristic extraction using Lacunarity Method yielded images corresponding to the percentage of conformity of 25%, followed by a second combination test Method and normalization process Produces images corresponding to a percentage of suitability of 60%. Keywords : Image Retrieval, Content Based Image Retrieval, Lacunarity, Color Moments, Skin dis xix

11 BAB I PENDAHULUAN Bab Pendahuluan terdiri dari uraian latar belakang yang mendasari pembuatan tugas akhir, baik manfaat maupun tujuan penelitian yang ingin dicapai, serta pembatasan pembahasan yang diuraikan. Bab Pendahuluan disajikan sesuai kerangka penyusunan pada sistematika penulisan yang menjadi acuan penyusunan tugas akhir. 1.1 Latar Belakang Perkembangan teknologi sistem informasi pada zaman sekarang membuat kebutuhan manusia akan informasi terus meningkat. Informasi tersebut tidak hanya terbatas pada data non visual (text dan suara), namun dalam bentuk visual (citra dan video). Menurut penelitian yang berjudul A Review Paper on Content Based Image Retrieval, Image retrieval merupakan teknik yang digunakan untuk mencari citra dari suatu database yang memiliki kemiripan karakteristik dari citra query. Setiap citra memiliki informasi fitur low-level yang unik. Contoh dari fitur low-level adalah warna, tekstur, bentuk, dan sebagainya. Fitur-fitur tersebut yang selanjutnya dibandingkan antar citra dalam sistem image retrieval. Terdapat dua pendekatan dalam image retrieval, yaitu Text based Image Retrieval (TBIR) berdasarkan informasi metadata citra dan Content Based Image Retrieval (CBIR) berdasarkan informasi isi citra (Gurmeet Kaur, Er & Arshdeep Singh. 2015). Teknik pencarian berbasis text (TBIR) yang sudah ada pada saat ini belum sepenuhnya efektif karena nama dari sebuah file tidak dapat mempresentasikan isi dan karakteristik yang sangat bervariasi dari gambar tersebut, sehingga mengetahui kata kunci yang benar-benar tepat sangat berpengaruh untuk menampilkan gambar (Torres 2006, vol. 13, h. 167). Permasalahan TBIR dapat dilihat pada Google image searching yang terkadang tidak dapat menemukan hasil optimal dan bersesuaian dengan apa yang diharapkan. 1

12 2 Melihat permasalahan dari teknik text based ini diperlukan pendekatan alternatif dengan metode image retrieval yang lain yaitu Content Based Image Retrieval (CBIR) yang bertujuan untuk menghindari pemakaian deskripsi secara tekstual. CBIR adalah suatu metodologi untuk pemanggilan kembali data citra berdasarkan informasi isi sebuah citra seperti warna, tekstur, dan bentuk. Berdasarkan uraian di atas, kerangka dasar yang mendasari perancangan aplikasi CBIR ini adalah memilih fitur yang paling efektif untuk merepresentasikan isi dari citra. Diantara isi citra yang paling dominan adalah fitur warna dan tekstur. Fitur warna merupakan fitur yang paling sering digunakan dalam CBIR karena memiliki korelasi yang kuat dengan objek dasar suatu citra (Khrisne, 2013). Metode Color Moments dapat digunakan untuk mengekstraksi fitur warna. Metode ini tergolong dalam ekstraktor berdimensi sedikit sehingga dapat mempercepat proses retrieval. Metode Color Moments memiliki akurasi distribusi probabilitas warna yang konsisten dan ukuran citra tidak mengubah hasil ekstraksi. Proses ekstraksi metode Color Moments menggunakan tiga momen utama dari distribusi warna citra, yaitu mean, standard deviation, dan skewness (Keen, 2005). Citra dapat dikenali dengan keteraturan pola-pola yang berbentuk piksel dengan memanfaatkan fitur tekstur. Fitur tekstur adalah suatu proses klasifikasi citra berbasis analisis tekstur yang pada umumnya membutuhkan tahapan ekstraksi ciri yang terdiri dari tiga macam metode yaitu metode statistik, metode spaktral dan metode struktural (Putra, Darma 2010, h. 243). Metode Lacunarity termasuk dalam metode yang digunakan untuk perhitungan distribusi dari derajat kekosongan (lacunas) dalam citra dan itu terkait erat dengan analisis citra tekstur (Myint, 2005). Tekstur tersebut diperoleh dari distribusi gap atau lubang pada citra. Proses retrieval dalam rancangan sistem CBIR penelitian ini mengkombinasikan fitur warna dan tekstur karena warna dan tekstur menangkap aspek yang berbeda. Kombinasi yang dilakukan terdiri dari dua jenis, yaitu secara serial dan paralel. Kombinasi secara serial melakukan proses ekstraksi fitur berdasarkan perhitungan kemiripan satu ekstraksi fitur saja sedangkan kombinasi

13 3 secara paralel melakukan kombinasi antara ekstraksi fitur warna dan tekstur, sehingga diharapkan dapat meningkatkan performansi image retrieval pada tahap perhitungan kemiripan antara kedua ekstraksi fitur dengan citra query. 1.2 Rumusan Masalah Rumusan masalah yang terdapat pada penelitian ini dirumuskan sebagai berikut. 1. Bagaimana menerapkan teknik CBIR untuk melakukan identifikasi citra sehingga mendapat citra yang sesuai dengan citra query. 2. Bagaimana mengimplementasikan algoritma metode Color Moments dan Lacunarity dalam mengekstraksi fitur tekstur dan warna dari suatu citra. 3. Bagaimana pengaruh kombinasi antara Color Moments dan Lacunarity dalam keakuratan sistem image retrieval. 1.3 Tujuan Penelitian Tujuan yang ingin dicapai berdasarkan rumusan masalah yang telah dipaparkan di atas adalah sebagai berikut. 1. Menerapkan teknik CBIR untuk mendapatkan citra yang sesuai dengan citra query dengan menggunakan pencarian similarity computation dengan mekanisme rangking. 2. Mengimplementasikan algoritma metode Color Moments dan Lacunarity dalam mengekstraksi fitur tekstur dan warna dari suatu citra. 3. Menganalisis pengaruh kombinasi Color Moments dan Lacunarity dalam keakuratan sistem image retrieval. 1.4 Manfaat Penelitian Manfaat yang diharapkan dapat diperoleh dari penelitian ini adalah sebagai berikut. 1. Menambah pengetahuan mengenai CBIR (Content Based Image

14 4 Retrieval). 2. Mendapat kemudahan dalam mencari persamaan image berdasarkan fitur tekstur dan warna image query. 3. Mengetahui metode-metode yang digunakan pada CBIR (Content Based Image Retrieval). 1.5 Batasan Masalah Penelitian Melihat luasnya cakupan yang dapat dikaitkan dengan judul penelitian ini dan untuk menerapkan keseragaman pemahaman dalam penelitian, maka terdapat batasan-batasan yang perlu diberlakukan pada penelitian ini. Batasan-batasan tersebut adalah sebagai berikut. 1. Tingkat kemiripan (similarity) antara citra query dengan citra database diukur menggunakan perhitungan jarak dari vektor tiap-tiap fitur. 2. Keakuratan sistem dalam menghasilkan citra yang relevan diukur menggunakan precision. 3. Pengujian dilakukan dengan mengkombinasikan fitur tekstur dan warna. 1.6 Sistematika Penulisan Sistematika penulisan yang diterapkan untuk menyajikan gambaran singkat mengenai permasalahan yang akan dibahas dalam penelitian ini terdiri dari lima bab, diantaranya. BAB I BAB II : PENDAHULUAN Bab I memiliki penjelasan dari beberapa sub bab seperti latar belakang, rumusan masalah, tujuan, manfaat, batasan masalah dan sistematika penulisan. : TINJAUAN PUSTAKA Bab II menjelaskan tentang landasan teori yang akan menunjang dalam pembuatan proyek tugas akhir ini.

15 5 BAB III BAB IV BAB V : METODOLOGI PENELITIAN Bab III berisikan uraian tentang tentang tempat dan waktu pengembangan sistem dan penelitian, metodologi penelitian, sumber data, metode pengumpulan data, kebutuhan perancangan sistem, perancangan desain antar muka dan perancangan database. : PENGUJIAN DAN ANALISIS Bab IV berisikan penjelesan mengenai uji coba program dan analisis hasil program yang dibuat. : PENUTUP Bab V merupakan uraian yang berisi kesimpulan dan saran dari penelitian yang telah dilaksanakan oleh penulis.