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
09560014
JURUSAN TEKNIK INFORMATIKA
FAKULTAS TEKNIK
UNIVERSITAS MUHAMMADYAH MALANG
ii
LEMBAR PERSETUJUAN
KLASIFIKASI CITRA BERDASARKAN BENTUK OBJEK
DENGAN METODE TRANSFORMASI HOUGH
MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR
TUGAS AKHIR
Oleh : Mika Purnamasari
09560014
Telah Direkomendasikan Untuk Diajukan Sebagai Judul Tugas Akhir Di Teknik Informatika Universitas Muhammadiyah Malang
Menyetujui, Pembimbing I
(Eko Budi Cahyono, S.Kom, MT) NIP. 108.9504.0330
Pembimbing II
iii
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
0 9 5 6 0 0 1 4
Tugas Akhir ini telah diuji dan dinyatakan lulus oleh tim penguji pada tanggal 10 Januari 2014
Mengetahui/Menyetujui Penguji I
(Yuda Munarko, S.Kom, M.Sc) NIP. 108.0611.0443
Penguji II
(Yufis Azhar, S.Kom)
Mengetahui
Ketua Jurusan Teknik Informatika
(Eko Budi Cahyono, S.Kom, MT ) NIP. 108.9504.0330
iv
LEMBAR PERNYATAAN
Yang bertanda tangan di bawah ini:
Nama : Mika Purnamasari
Tempat / Tgl Lahir : Tapin / 5 Desember 1991
NIM : 0 9 5 6 0 0 1 4
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
(Mika Purnamasari) NIM. 09560014 Mengetahui,
Dosen Pembimbing I
(Eko Budi Cahyono, S.Kom, MT) NIP. 108.9504.0330
Dosen Pembimbing II
vii
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 sebesar-besarnya 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/).
viii
8. Kak Anggit, Kak Mirza, dan Kak Farid yang telah memberikan referensi-referensi 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 : 09560014
ix
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
x
DAFTAR ISI
HALAMAN JUDUL ... i
LEMBAR PERSETUJUAN... 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 ... 1 1.2. Rumusan Masalah ... 2 1.3. Tujuan... 2 1.4. Batasan Masalah ... 3 1.5. Metodologi ... 3 1.6. Sistematika Penulisan ... 4
BAB II LANDASAN TEORI 2.1. Citra ... 5
xi
2.1.2. Jenis-jenis Citra Digital ... 6
2.1.3. Jenis-jenis Format Citra ... 8
2.2. Pengolahan Citra ... 12
2.2.1. Definisi Pengolahan Citra ... 12
2.2.2. Tahap Pengolahan Citra ... 13
2.3. Ekstraksi Fitur Citra ... 14
2.3.1. Definisi Ekstraksi Fitur Citra ... 14
2.3.2. Jenis-jenis Fitur ... 15
2.4. Fitur Bentuk... 16
2.4.1. Definisi Fitur Bentuk ... 16
2.4.2. Deteksi Tepi ... 16
2.5. Transformasi Hough ... 19
2.6. Hu Moment Invariant ... 22
2.7. Algoritma Klasifikasi ... 24
2.7.1. Algoritma K-Nearest Neighbor ... 24
BAB III ANALISA DAN PERANCANGAN SISTEM 3.1. Analisa Kebutuhan Sistem ... 26
3.2. Perancangan Alur Sistem ... 27
3.2.1. Preprocessing Citra ... 28
3.2.2. Klasifikasi Menggunakan K-Nearest Neighbor ... 35
3.3. Desain Interface... 37
BAB IV IMPLEMENTASI DAN PENGUJIAN 4.1. Implementasi ... 40
xii
4.1.2 Implementasi Perangkat Lunak ... 40
4.2. Implementasi Sistem ... 41
4.2.1. Konveri ke Format File *.bmp ... 41
4.2.2. Resize Citra ... 43
4.2.3. Grayscale ... 43
4.2.4. Deteksi Tepi Canny ... 44
4.2.5. Transformasi Hough ... 45
4.2.6. Hu Moment Invariant ... 46
4.2.7. Training Data ... 47
4.2.8. Algoritma K-Nearest Neighbor ... 48
4.2.9. Interface Aplikasi ... 50
4.3. Pengujian Sistem dan Analisa ... 53
4.3.1 Perancangan Pengujian ... 53
4.3.2 Pengujian Sistem ... 53
BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan... 62
5.2 Saran ... 63 DAFTAR PUSTAKA
xiii
DAFTAR GAMBAR
Gambar 2. 1 Tepian Step ... 17
Gambar 2. 2 Tepian Ramp ... 17
Gambar 2. 3 Tepian Line ... 17
Gambar 2. 4 Tepian Step-Line ... 17
Gambar 2. 5 Deskripsi Parametrik Garis Lurus ... 20
Gambar 2. 6 Ilustrasi Koordinat (x0, y0, r) ... 21
Gambar 3. 1 Flowchart Garis Besar Aplikasi ... 27
Gambar 3. 2 Flowchart Preprocessing ... 28
Gambar 3. 3 Flowchart Grayscaling dan Thresholding ... 30
Gambar 3. 4 Flowchart Deteksi Tepi Canny ... 31
Gambar 3. 5 Flowchart Hu Moment Invariant ... 34
Gambar 3. 6 Flowchart Klasifikasi Citra dengan k-nearest neighbor ... 36
Gambar 3. 7 Tampilan Awal Aplikasi ... 37
Gambar 3. 8 Tampilan Menu Klasifikasi Citra ... 38
Gambar 3. 9 Tampilan Halaman Informasi ... 39
Gambar 4. 1 Konversi ke Format File *.bmp... 42
Gambar 4. 2 Memilih BMP Option... 43
Gambar 4. 3 Potongan Kode Resize ... 43
Gambar 4. 4 Potongan Kode dan Output Grayscale ... 44
Gambar 4. 5 Potongan Kode dan Output Deteksi Tepi Canny ... 44
Gambar 4. 6 Potongan Kode Transformasi Hough(1) ... 45
Gambar 4. 7 Potongan Kode Transformasi Hough(2) ... 45
Gambar 4. 8 Potongan Kode Perhitungan Momen Pusat ... 46
Gambar 4. 9 Potongan Kode Perhitungan Momen Pusat Normalisasi ... 46
Gambar 4. 10 Potongan Kode Tujuh Vektor Momen ... 47
Gambar 4. 11 Potongan Kode Penyederhanaan Nilai Momen ... 47
Gambar 4. 12 Potongan Kode Training Data ... 48
Gambar 4. 13 Potongan Kode Klasifikasi ... 49
Gambar 4. 14 Struktur Menu Aplikasi ... 50
xiv
Gambar 4. 16 Menu Proses Klasifikasi Citra ... 51 Gambar 4. 17 Menu Bantuan ... 52
xv
DAFTAR TABEL
Tabel 4. 1 Hasil Pengujian Klasifikasi Sample Citra Square ... 53
Tabel 4. 2 Hasil Pengujian Klasifikasi Sample Citra Triangle ... 54
Tabel 4. 3 Hasil Pengujian Klasifikasi Sample Citra Circle ... 54
Tabel 4. 4 Hasil Pengujian Klasifikasi Sample Citra Rectangle ... 55
Tabel 4. 5 Hasil Pengujian Klasifikasi Sample Citra Ellipse ... 55
Tabel 4. 6 Kesimpulan Hasil Pengujian Sample ... 56
Tabel 4. 7 Persentase Akurasi Klasifikasi K-NN k=1 sampai k=10 ... 56
Tabel 4. 8 Confusion Matrix ... 57
Tabel 4. 9 Confusion Matrix Square ... 58
Tabel 4. 10 Confusion Matrix Triangle... 59
Tabel 4. 11 Confusion Matrix Circle ... 59
Tabel 4. 12 Confusion Matrix Rectangle ... 60
xvi
DAFTAR LAMPIRAN
LAMPIRAN 1 DATA LATIH ... 65 LAMPIRAN 2 DATA UJI PENGUJIAN I ... 66 LAMPIRAN 3 DATA UJI PENGUJIAN II ... 67
64
DAFTAR PUSTAKA
[1] Ferry, dkk. 2010. Studi Eksperimen Pada Perhitungan Kedalaman Objek 3D dengan Pendekatan Stereo Vision. Universitas Bina Nusantara.
[2] Amaliah, Bilqis, dkk. 2010. Penggunaan Persamaan Difusi Nonlinier dan Deteksi Tepi Canny untuk Segmentasi Citra Melanoma. Institut Teknologi Sepuluh Nopember, Surabaya.
[3] Feriawan, Anggit Aldila. 2013. 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. 1999. 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. 2012. Pengenalan Pola Isyarat Statik dengan Jaringan Syaraf Tiruan Probabilistik. Universitas Muhammadiyah Malang. [7] Flusser, Jan dkk. 2009. Moments and Moment Invariants in Pattern Recognition. Academy of Sciences of the Czech Republic. Prague, Czech Republic
[8] Huang, Zhihu dan Leng Jinsong. 2010. Analysis of Hu's Moment Invariants on Image Scaling and Rotation. Edith Cowan University.
[9] Http://en.wikipedia.org/wiki/Canny_edge_detector Diakses pada tanggal 09/06/2013.
[10] John Haddon, Markos Markou dan Sameer Singh. 1999. Nearest Neighbour Strategies For Image Understanding. United Kingdom.
[11] Putra, Darma. 2010. Pengolahan Citra Digital. Penerbit Andi: Yogyakarta. [12] Rizanti, Hanifa Vidya. 2013.Pengenalan Citra Alphabet Berdasarkan
Parameter Momen Invarian dengan Metode Case Based Reasoning. Universitas Brawijaya.
[13] Wijaya, Marvin Chandra dan Prijono Agus. 2007. Pengolahan Citra Digital Menggunakan Matlab. Informatika: Bandung.
[14] William K. Pratt. 2007. Digital Image Processing. A Wiley-Interscience Publication. United States of America.
