UNIVERSITAS BINA NUSANTARA. Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007

Transkripsi

1 UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007 PENGENALAN KARAKTER PLAT KENDARAAN BERMOTOR DENGAN MENGGUNAKAN METODE FCM Abstrak Victor Prahara Vabrian Muhammad Perdana Kharisma Putra Chandra Latar belakang penelitian adalah sistem perparkiran yang sudah ada masih menggunakan tenaga manusia sehingga membutuhkan waktu yang cukup lama dan rentan terhadap kesalahan. Sistem pengenalan plat nomor kendaraan secara otomatis yang telah dikembangkan sebelumnya dengan pendekatan statistik masih memiliki berbagai kekurangan. Oleh karena itu, dilakukan penelitian mengenai teknik pengenalan karakter dengan pendekatan FCM yang dapat mendukung terciptanya sistem yang dapat melakukan pemasukan data plat nomor kendaraan bermotor secara otomatis melalui gambar keadaan yang ditangkap oleh sebuah kamera dijital sebagai sensor dan memberikan hasil yang lebih handal. Pendekatan FCM adalah pendekatan yang dilakukan dengan cara memasukkan data dalam suatu lingkungan fuzzy, kemudian data tersebut akan dihitung jarak terdekatnya dengan pusat cluster yang ada di dalam lingkungn fuzzy tersebut. Data akan menjadi anggota suatu kelompok dengan jarak pusat terdekat. Hasil dari penelitian yang dilakukan: 1. Tingkat akurasi pengenalan karakter dengan pendekatan FCM pada citra plat mobil mencapai 89,74% (dari 39 citra plat yang gagal dikenali dengan pendekatan statistik); 2. Tingkat akurasi pengenalan karakter pada citra plat motor adalah 100% (dari 16 citra plat yang gagal dikenali dengan pendekatan statistik); 3. Tingkat akurasi total karakter: 92,72% (51/55). Kesimpulan dari penelitian adalah: 1. Pengenalan karakter dengan pendekatan FCM tergantung dari bobot piksel hitam yang dihasilkan oleh proses pengolahan citra; 2. Variasi karakter membutuhkan basis data yang besar dalam pendekatan statistik. Namun pada proses pengenalan karakter secara FCM, basis data yang lebih ramping tetap dapat mengenali variasi karakter; 3. Derau atau distorsi menyebabkan tingkat akurasi pengenalan karakter dengan pendekatan statistik menurun, namun hal ini dapat teratasi dengan pendekatan FCM. Saran untuk pengembangan lebih lanjut adalah: 1. Dikembangkan pengenalan karakter dengan metode FCM sepenuhnya; 2. Perlu dikembangkan teknik pengolahan citra yang lebih baik. Kata kunci: Pengenalan Karakter, Pendekatan Fuzzy C-Means, FCM iv

2 Prakata Puji dan syukur dipanjatkan kepada Tuhan Yang Maha Esa atas bantuan dan rahmat-nya hingga penulisan skripsi ini dapat terselesaikan. Setelah memperoleh bekal pendidikan selama masa perkuliahan, dicoba untuk menerapkan ilmu pengetahuan yang telah diperoleh dengan menyusun Laporan Skripsi kami yang berjudul Pengenalan Karakter Plat Kendaraan Bermotor Menggunakan Metode Fuzzy C Means. Adapun tujuan penulisan Laporan Skripsi kami ini adalah untuk memenuhi salah satu syarat menyelesaikan pendidikan di Universitas Bina Nusantara. Disadari bahwa dalam penyusunan Skripsi ini masih terdapat kekurangan dan tentunya tidak terlepas dari keterbatasan waktu, keterbatasan tingkat pengetahuan serta pengalaman yang dimiliki, maka tidak tertutup adanya saran dan kritik yang bersifat membangun serta membantu ke arah penyempurnaan dan peningkatan mutu skripsi ini. Pada kesempatan ini, ingin disampaikan terima kasih yang sebesar-besarnya atas bimbingan dan dukungan dari berbagai pihak baik secara langsung maupun tidak langsung kepada Yth, 1. Prof. Dr. Gerardus Polla, M.App.Sc, selaku Rektor Universitas Bina Nusantara. 2. Bapak H.M Subekti, BE., M.Sc, selaku Ketua Jurusan Teknik Informatika. 3. Bapak Fredy Purnomo, S.Kom, M.Kom. selaku Sekretaris Jurusan Teknik Informatika. v

3 4. Bapak Diaz D. Santika, Ir, M.sc, selaku dosen pembimbing Skripsi yang telah bersedia meluangkan waktu, tenaga dan pikiran dalam membimbing dan mengarahkan dalam menyelesaikan skripsi ini. 5. Seluruh Staf pengajar Universitas Bina Nusantara yang telah memberikan ilmu pengetahuan selama masa perkuliahan. 6. Orangtua yang telah memberi dukungan moral dan materi kepada penulis. 7. Rekan-rekan yang turut membantu dan memberikan masukan serta informasi selama masa penyusunan skripsi ini. Akhir kata diharapkan agar skripsi ini dapat bermanfaat bagi dan pihak-pihak lain yang berkepentingan maupun sebagai bahan bacaan bagi kepustakaan yang ada. Jakarta, 24 Januari 2007 Penulis vi

4 DAFTAR ISI Halaman Judul Luar... i Halaman Judul Dalam... ii Halaman Persetujuan Hardcover... iii Abstrak... iv Prakata... v Daftar Isi... vii Daftar Tabel... xiv Daftar Gambar... xv Daftar Lampiran... xx BAB 1 PENDAHULUAN Latar Belakang Rumusan Masalah Ruang Lingkup Tujuan dan Manfaat... 6 vii

5 1.5 Metodologi Sistematika Penulisan... 8 BAB 2 LANDASAN TEORI Plat Nomor Plat Nomor Kendaraan Bermotor di Indonesia Sejarah Penggunaan Plat Nomor Kendaraan Bermotor di Indonesia Spesifikasi Teknis Warna Nomor Urut Pendaftaran Kode Wilayah Pendaftaran Kendaraan Bermotor Corps Diplomatique dan Corps Consulate Kendaraan Citra Citra Biner viii

6 2.3.2 Citra Dijital Model Warna RGB Computer Vision Pengolahan Citra (Image Processing) Penyekalaan (Scaling) Binerisasi Segmentasi Pemotongan (Cropping) Pengenalan Pola (Pattern Recognition) Logika Fuzzy Himpunan Fuzzy Fungsi Keanggotaan Pengklusteran Data (Data Clustering) Tipe-tipe Pengklusteran Pengklusteran Secara Hierarkis Menghitung Jarak...57 ix

7 Menciptakan Cluster V-Means Clustering Pengklusteran Partisional K-Means Clustering Algoritma QT Clustering Basis Data Perangkat Lunak Basis Data Pengenalan Karakter (Character Recognition) Metode Pengenalan Karakter Pendekatan Statistik Pendekatan Semantik Metode Hibrid Jaringan Saraf Tiruan Pendekatan Fuzzy C-Means (FCM) Program Komputer x

8 BAB 3 PENGENALAN KARAKTER DENGAN METODE HIBRID Gambaran Umum Proses Pembuatan Basis Data dan Training FCM Pemrosesan Awal Pengolahan Citra Penyekalaan Binerisasi Pemotongan (Cropping) Penetapan atas Atas dan Batas Bawah Citra Plat Penetapan Batas Karakter Pemotongan Penyekalaan Ulang Segmentasi dan Klasifikasi Segmentasi Klasifikasi Penulisan Data Histogram...92 xi

9 3.3 Proses Analisis Analisis Pengenalan Karakter dengan Pendekatan Statistik Proses Switching Analisis Pengenalan Karakter dengan Pendekatan FCM Hasil Pengujian BAB 4 HASIL PENELITIAN Pengujian Pengujian pada Citra Plat Mobil Berkualitas Tinggi Pengujian pada Citra Plat Mobil Berkualitas Moderat Pengujian pada Citra Plat Mobil Berkualitas Rendah Pengujian pada Citra Plat Motor Evaluasi Evaluasi pada Citra Plat Mobil Berkualitas Tinggi Evaluasi pada Citra Plat Mobil Berkualitas Moderat Evaluasi pada Citra Plat Mobil Berkualitas Rendah Evaluasi pada Citra Plat Motor xii

10 4.3 Perbandingan Pendekatan Statistik dan Pendekatan Fuzzy BAB 5 KESIMPULAN DAN SARAN Kesimpulan Saran DAFTAR PUSTAKA RIWAYAT HIDUP LAMPIRAN-LAMPIRAN xiii

11 DAFTAR TABEL Tabel 4.1 Tabel Pengujian terhadap 40 citra plat berkualitas tinggi Tabel 4.2 Tabel Pengujian set 1 citra plat berkualitas moderat Tabel 4.3 Tabel Pengujian set 2 citra plat berkualitas moderat Tabel 4.4 Tabel Pengujian set 3 citra plat berkualitas moderat Tabel 4.5 Tabel Pengujian set 4 citra plat berkualitas moderat Tabel 4.6 Tabel Pengujian set 1 citra plat berkualitas rendah Tabel 4.7 Tabel Pengujian set 2 citra plat berkualitas rendah Tabel 4.8 Tabel Pengujian terhadap citra plat motor xiv

12 DAFTAR GAMBAR Gambar 2.1 Plat Nomor Kendaraan Bermotor di Indonesia Gambar 2.2 Posisi Neighbours of a Pixel Gambar 2.3 Model Warna RGB Gambar 2.4 Pemetaan input-output dalam logika fuzzy Gambar 2.5 Representasi Linear Naik Gambar 2.6 Representasi Linear Turun Gambar 2.7 Representasi Kurva Segitiga Gambar 2.8 Representasi Kurva Trapesium Gambar 2.9 Representasi Kurva Bahu Gambar 2.10 Representasi Kurva-S Naik Gambar 2.11 Representasi Kurva-S Turun Gambar 2.12 Representasi Kurva π Gambar 2.13 Representasi Kurva BETA Gambar 2.14 Representasi Kurva GAUSS xv

13 Gambar 2.15 Model Angka 1 dan Gambar 2.16 Model Angka 6 dan Gambar 2.17 Model Histogram Angka Gambar 2.18 Model Deskripsi Semantik Angka Gambar 2.19 Variasi Bentuk Angka Gambar 2.20 Jaringan Saraf Tiruan Gambar 2.21 Pemetaan Anggota pada Fuzzy C-Means Gambar 3.1 Gambar Keseluruhan Proses Secara Umum Gambar 3.2 (a) Plat Awal (b) Binerisasi dengan nilai 128 (c) Binerisasi dengan nilai rata-rata Gambar 3.3 (a) Plat Awal (b) Binerisasi dengan nilai 128 (c) Nilai ambang = nilai rata-rata Gambar 3.4 Segmentasi Karakter Gambar 3.5 Matriks Bobot Segmen xvi

14 Gambar 3.6 Hasil Perhitungan Bobot Segmen pada MATLAB Gambar 3.7 Plat yang memiliki karakter yang gagal dikenali dengan pendekatan statistik Gambar 3.8 (a) Citra Plat yang telah diskala ulang (b) Citra Plat yang telah dibinerisasi (c) Citra karakter yang telah melalui proses pemotongan Gambar 4.1 Citra plat berkualitas tinggi Gambar 4.2 Citra plat berkualitas tinggi yang memiliki baut namun tidak merusak karakter Gambar 4.3 Citra plat berkualitas tinggi tanpa derau atau distorsi yang mengganggu Gambar 4.4 Citra plat berkualitas moderat dengan baut warna gelap yang menutupi karakter Gambar 4.5 Citra plat berkualitas moderat dengan baut warna terang yang menutupi karakter Gambar 4.6 Citra plat berkualitas moderat karena cat pada karakternya sedikit xvii

15 Terkelupas Gambar 4.7 Citra plat berkualitas moderat karena pengecatan yang tidak rapi Gambar 4.8 Citra plat berkualitas rendah karena pencahayaan yang terlalu banyak Gambar 4.9 Citra plat berkualitas rendah karena pencahayaan yang tidak merata Gambar 4.10 Citra plat berkualitas rendah karena pengecatan yang sangat buruk..114 Gambar 4.11 Citra plat berkualitas rendah karena baut yang besar yang menutupi karakter Gambar 4.12 (a) Citra plat dengan baut yang besar dan terang, serta menempel pada karakter (b) Citra hasil binerisasi Gambar 4.13 (a) Citra plat dengan baut yang gelap, serta menutupi karakter (b) Citra hasil binerisasi Gambar 4.14 (a) Citra plat dengan pencahayaan yang kurang merata (b) Citra hasil binerisasi Gambar 4.15 (a) Citra plat dengan pencahayaan yang kurang merata xviii

16 (b) Citra hasil binerisasi Gambar 4.16 (a) Citra plat yang penyok (b) Citra hasil binerisasi Gambar 4.17 (a) Citra plat dengan karakter miring (b) Citra hasil binerisasi Gambar 4.18 (a) Citra plat dengan fisik dan tampilan yang buruk (b) Citra hasil binerisasi Gambar 4.19 (a) Citra plat dengan fisik pencahayaan yang tidak merata (b) Citra hasil binerisasi Gambar 4.20 (a) Citra plat dengan baut yang besar yang menutupi karakter (b) Citra hasil binerisasi Gambar 4.21 (a) Citra plat dengan motor dengan pencahayaan yang berkualitas rendah (b) Citra hasil binerisasi xix