Powered by TCPDF (www.tcpdf.org) KLASIFIKASI JENIS MOBIL BERDASARKAN TRANSFORMASI WAVELET MULTI SCALE DAN METODE K NEAREST NEIGHBOR Bertha Yulizar¹, Bambang Hidayat², Tody Ariefianto Wibowo³ ¹Teknik Telekomunikasi,, Universitas Telkom Abstrak Klasifiksi mobil diperlukan karena dapat membantu pekerjaan manusia. Klasifikasi mobil dapat berdasarkan jenis mobil maupun warna yang dimiliki mobil tersebut. Klasifikasi berdasarkan jenis mobil dapat digunakan dalam gerbang tol atau areal parkiran, sedangkan klasifikasi warna dapat digunakan untuk melihat merk mobil tertentu khususnya truk. Selain itu klasifikasi jenis mobil juga dapat digunakan sebagai data acuan sebuah dealer untuk membuka cabang di suatu daerah dengan melihat grafik mobil yg masuk dari areal parkir terdekat. Suatu gambar dapat memberikan informasi penting bagi manusia. Melalui gambar tersebut manusia dapat menganalisa sehingga dapat membedakan suatu jenis benda. Sebagai contoh kita bisa membedakan sebuah mobil apakah termasuk jenis mobil sedan, truk, atau bus. Untuk membantu perkerjaan manusia dalam menganalisa suatu benda lahirlah Computer Vision. Computer Vision merupakan cabang keilmuan yang mempu mengartikan penilaian visual dari seorang tenaga asli. Dalam Tugas Akhir ini telah dibuat suatu sistem yang keluarannya merupakan sebuah mobil berdasarkan jenis dan warna. Sistem ini menggunakan Transformasi Wavelet Multi Scale sebagai deteksi tepi dan metode klasifikasi menggunakan K Nearest Neighbor dengan tingkat akurasi maksimal 89,167 % untuk uji fisis dan 53,33% untuk citra uji warna yang mempunyai waktu komputasi 4,5829 detik uji fisis dan 0.274 untuk uji warna. Kata Kunci : Klasifikasi mobil, Computer Vision, Transformasi Wavelet Multi Scale, K Abstract Car classifications is necessary because it can help the human tasks. The classification can be based on the type of car and color of a car. Classification by type of car can be used in toll booths or parking area, while the color classification can be used to view a specific car brands, especially trucks. Moreover the classification of types of cars can also be used as reference data of a dealer to open a branch in an area by looking car graphic which entered from the nearest parking area. An image can gives important information for humans. From these images human can analyzed so that the human can distinguish one type of object. For example we can distinguish a type of car like a sedan, bus, or truck. Computer Vision created in order to help humans to analyze an object. Computer Vision is the branch of science that is able to interpret visual assessment of an original power. The system which that the outputs is a car based on the type and color have been created in the Final Project. The system is using Multi Scale Wavelet Transformation as edge detection and K Nearest Neighbor as classification method by giving best performance in 89,167 % for type accuracy, 53,33% colour accuracy and 4,5829 second for type, 0.274 second for colour processing time. Keywords : Cars Classification, Computer Vision, Multi-Scale Wavelet Transformation, K
BAB I PENDAHULUAN 1.1 Latar Belakang Pengklasifikasian jenis mobil merupakan salah satu sistem yang dapat membantu pekerjaan manusia, komputer secara langsung dapat mengelompokkan mobil berdasarkan jenisnya dan juga warnanya. Pengklasifikasian jenis mobil ini dapat digunakan dalam gerbang tol atau area parkir. Dengan adanya pengklasifikasian mobil ini dapat pula diperoleh informasi mobil jenis apa yang dominan di daerah tersebut sehingga dapat membantu suatu dealer untuk menyediakan jasa/produk dari dealer tersebut. Computer vision adalah suatu cabang keilmuan yang mampu menggantikan penilaian visual dari seorang tenaga ahli. Oleh karena itu computer vision harus terdiri dari banyak fungsi pendukung yang berfungsi secara penuh. Dengan adanya computer vision mempermudah pekerjaan manusia untuk mengamati suatu benda terlebih lagi jika benda yang diamati dalam jumlah banyak. Sistem dalam Tugas Akhir ini menggunakan Transformasi Wavelet Multi Scale untuk deteksi tepi dan K Nearest Neighbor sebagai metode klasifikasi yang digunakan. Tugas Akhir ini menggunakan Tugas Akhir sebelumnya juga sebagai bahan perbandingan, tetapi terdapat perbedaan metode yang digunakan. Selain metode terdapat perbedaan hal posisi pengambilan gambar, jika di Tugas Akhir sebelumnya posisi pengambilan gambar mobil diambil dari posisi samping, Tugas Akhir ini mengambil gambar mobil dari posisi depan. 1.2 Tujuan Penelitian Tujuan dari pembuatan tugas akhir ini adalah sebagai berikut : 1. Merancang sebuah perangkat lunak yang dapat mengklasifikasikan sebuah mobil bus, truk, niaga atau sedan. 2. Merancang sebuah perangkat lunak yang dapat mengklasifikasikan warna yang dimiliki sebuah mobil. 3. Mencari parameter terbaik dari Transformasi Wavelet Multi Scale dan Metode Nearest neighbor. 1
BAB I PENDAHULUAN 1.3 Rumusan Masalah Pada Tugas Akhir ini dilakukan pengklasifikasian berdasarkan analisa struktur pada citra sebagai dasar penelitian, sehingga terdapat beberapa rumusan masalah sebagai berikut: 1. Bagaimana mencari ciri yang significant sehingga menghasilkan output berupa jenis mobil. 2. Bagaimana mencari intensitas pixel dari sebuah citra mobil sehingga menghasilkan output berupa warna yang dimiliki mobil. 3. Bagaimana pengaruh metoda yang digunakan terhadap nilai akurasi sebuah sistem. 1.4 Batasan Masalah Pada Tugas Akhir ini terdapat beberapa batasan masalah, yaitu: 1. Sistem yang dibangun adalah suatu sistem yang bersifat offline dimana input (masukan) berupa gambar mobil tanpa tambahan noise yang diambil langsung dari kamera digital. 2. Input dari sistem adalah citra mobil berupa file.jpg. 3. Hanya terdapat 1 (satu) gambar mobil dalam satu figure. 4. Gambar mobil diambil dari sisi depan dengan jarak 5 meter. 5. Pengklasifikasian mobil hanya berdasarkan ciri yang significant dan intensitas pixel. 6. Keluaran adalah jenis mobil berdasarkan jenis dan warna. 7. Jenis mobil terdiri atas bus, truk, niaga dan sedan. 8. Jenis warna yang digunakan adalah abu, hijau, biru, hitam, merah, kuning, putih, dan silver. 9. Tidak termasuk mobil yang di modif. 10. Tidak membahas merk. 11. Mother Wavelet yang diujikan adalah Haar,db2,dan db4. 12. Software yang digunakan adalah Matlab 2009a. 1.5 Metodologi Metodologi penelitian dalam penyusunan tugas akhir ini meliputi: 1. Studi Literatur KLASIFIKASI JENIS MOBIL BERDASARKAN TRANSFORMSI WAVELET MULTI SCALE DAN METODE K NEAREST NEIGHBOR 2
BAB I PENDAHULUAN Tahapan ini bertujuan untuk mengumpulkan bahan yang berupa buku referensi, artikel-artikel, jurnal-jurnal yang mendukung, dan dasar teori yang kuat tentang Transformasi Wavelet Multi Scale dan K Nearest Neighbor. 2. Analisis Desain Tahap ini meliputi analisis kebutuhan untuk merancang perangkat lunak pengenalan warna dan pola bentuk mobil berdasarkan Transformasi Wavelet Multi Scale dan K Nearest Neighbor. Desain perancangan akan dibentuk dalam Diagram Alir. 3. Implementasi Sistem Tahap ini meliputi pembangunan perangkat lunak yang telah dirancang sebelumnya. Pada tahap ini diimplementasikan perancangan perangkat lunak menggunakan software pemrograman Matlab. 4. Testing dan Analisis Pada tahap ini dilakukan pengujian terhadap perangkat lunak yang telah dibangun dan sekaligus melakukan analisis terhadap hasil perangkat lunak yang berupa akurasi. 5. Penyusunan laporan Pada tahap ini dilakukan penyusunan laporan hasil penelitian yang telah dilakukan dan membuat kesimpulan dari hasil penelitian tersebut. 1.6 Sistematika Penulisan Sistematika penulisan pada Tugas Akhir ini terdiri dari lima bab yang disusun sebagai berikut : BAB 1 : PENDAHULUAN Bab ini berisi uraian mengenai latar belakang pembuatan Tugas Akhir, perumusan masalah, batasan masalah, tujuan penulisan, metodologi penelitian dan sistematika penulisan. BAB II : LANDASAN TEORI Bab ini berisi konsep dasar citra, sekilas tentang mobil, pengolahan citra digital, tentang konsep dan teori dasar tentang computer vision secara umum dilanjutkan KLASIFIKASI JENIS MOBIL BERDASARKAN TRANSFORMSI WAVELET MULTI SCALE DAN METODE K NEAREST NEIGHBOR 3
Powered by TCPDF (www.tcpdf.org) BAB I PENDAHULUAN konsep edge detecion dengan Wavelet Multi Scale, ekstraksi ciri dan K Nearest Neighbor. BAB III : PEMODELAN DAN SIMULASI SISTEM Bab ini membahas tentang perancangan sistem klasifikasi dengan menggunakan Matlab (2009a). BAB IV : ANALISA HASIL DAN SIMULASI Bab ini berisi tentang tingkat akurasi yang dihasilkan oleh sistem. BAB V : PENUTUP Bab ini membahas tentang kesimpulan-kesimpulan serta saran yang dapat ditarik dari pembuatan Tugas Akhir ini dan kemungkinan pengembangan topik yang bersangkutan. KLASIFIKASI JENIS MOBIL BERDASARKAN TRANSFORMSI WAVELET MULTI SCALE DAN METODE K NEAREST NEIGHBOR 4
BAB V PENUTUP 5.1 Kesimpulan Berdasarkan hasil analisis terhadap pengujian yang dilakukan pada sistem klasifikasi jenis mobil menggunakan Trasnformasi Wavelet Multi Scale dan K Nearest Neighbor, maka dapat disimpulkan hal sebagai berikut : 1. Sistem telah dapat bekerja sesuai dengan rancangan, sistem dapat mengklasifikasikan mobil dengan keluaran jenis mobil. 2. Sistem telah dapat bekerja sesuai dengan rancangan, sistem dapat mengklasifikasikan mobil dengan keluaran dengan warna yang telah ditetapkan. 3. Perancangan sistem klasifikasi mobil dengan keluaran jenis dan warna dengan menggunakan Transformasi Wavelet dan K Nearest Neighbor dapat memberikan hasil akurasi dan kecepatan dengan akurasi maksimal adalah 89,167% dan waktu komputasi 4,5829 detik untuk uji fisis dan 0.274 untuk uji warna. Parameter yang digunakan untuk mendapatkan hasil maksimal adalah di nilai k=1 untuk latih,k=3 untuk uji dengan jenis KNN cityblock, menggunakan ciri histogram 10 untuk fisis 100 untuk warna, menggunkaan mother wavelet db2, dan ukuran citra 500x600 pixel. 5.2 Saran Penelitian lebih lanjut diharapkan dapat memperbaiki kekurangan yang ada dan diharapkan dapat mengembangkan apa yang telah dilakukan pada penelitian ini. Untuk itu disarankan hal-hal berikut: 1. Pada proses pengambilan gambar sebaiknya menggunakan kamera yang mempunyai resolusi lebih tinggi sehingga menghasilkan gambar yang lebih bagus. 2. Pengambilan gambar sebaiknya memperhatikan keadaan disekitar objek tanpa gangguan bayangan pohon atau objek lainnya. 3. Gunakan metoda ekstraksi ciri yang lain yang mampu memberikan ciri yang lebih spesifik yang mampu membedakan warna objek dengan background gambar. 41
Powered by TCPDF (www.tcpdf.org) BAB V PENUTUP 4. Gunakan metoda klasifikasi yang lain yang mampu menghasilkan akurasi lebih tinggi. KLASIFIKASI JENIS MOBL BERDASARKAN TRANSFORMASI WAVELET MULTI SCALE DAN METODE K NEAREST NEIGHBOR 42
Powered by TCPDF (www.tcpdf.org) DAFTAR PUSTAKA [1] Adri, Muhammad.(2009).Basic Of Computer Vision. [Online]. Tersedia: http://muhammadadri.net/wp-content/uploads/2009/04/computer-vision-01.pdf [25 Mei 2011] [2] Sari, Putri Nurfita. 2011. Pengklasifikasian Kualitas Emping Melinjo Dengan Pengolahan Citra Digital Menggunakan Metode Deteksi Tepi Prewitt Dan JST SOM. Bandung: Tugas Akhir Institut Teknologi Telkom. [3] Sefrina, Amelia.2011. Analisis Perancangan Aplikasi Pengenalan Individu Melalui Citra Tulisan Tangan Berbasis 2D Gabor Wavelet Dan Back Propagation Neural Network. Bandung : Tugas Akhir Institut Teknologi Telkom. [4] Wardana, I Made Kusuma. 2010. Klasifiksi Jenis Makanan Berdasarka Bentuk Paruh Dan Kaki Dengan Menggunakan Transformasi Wavelet Diskrit Dan Jaringan Saraf Tiruan. Bandung: Tugas Akhir Institut Teknologi Telkom. [5]. 2007. Modul Pelatihan Artificial Neural Network. Laboratorium Artificial Intelegence STT Telkom. Bandung. [6] Feng Ju,Chang.2009. Term Paper Wavelet For Edge Detection. National Taiwan University [7]http://www.ibms.sinica.edu.tw/~pan/classification/documents/Commonly%20Used%20 Classifiers.ppt. [10 November 2010] xix