• Tidak ada hasil yang ditemukan

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

N/A
N/A
Protected

Academic year: 2021

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

Copied!
15
0
0

Teks penuh

(1)

IMPLEMENTASI CONTENT BASED VIDEO RETRIEVAL MENGGUNAKAN SPEEDED-UP ROBUST FEATURES(SURF)

SKRIPSI

EVI P. MARPAUNG 131401107

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 131401107

PROGRAM STUDI S1 ILMU KOMPUTER

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA

MEDAN 2017

(3)

PERSETUJUAN

Judul : IMPLEMENTASI CONTENT BASED VIDEO

RETRIEVAL MENGGUNAKAN SPEEDED-UP ROBUST FEATURES (SURF)

Kategori : SKRIPSI

Nama : EVI P. MARPAUNG

Nomor Induk Mahasiswa : 131401107

Program Studi : SARJANA (S-1) ILMU KOMPUTER

Departemen : ILMU KOMPUTER

Fakultas : 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. 198501262015041001 NIP. 196203171991031001

Diketahi/disetujui oleh

Program Studi S-1 Ilmu Komputer Ketua,

Dr. Poltak Sihombing, M.Kom. NIP. 196203171991031001

(4)

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 131401107

(5)

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 IlmuKomputerUniversitas Sumatera Utara. 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, Universitas Sumatera Utara.

3. Bapak Dr. Poltak Sihombing, M.Kom selaku Ketua Program Studi S1 Ilmu Komputer Universitas Sumatera Utara 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)

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 tidakbisadisebutkansatu-persatu.

Semogasemuakebaikan, bantuan, perhatian, sertadukungan yang telahdiberikankepadapenulismendapatkanpahala yang melimpahdariTuhan Yang Maha Esa.

Medan, Juli2017

(7)

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)

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 73.56 seconds. Query From Frame with Recall 51% average value, Precision 59% average value, and Running Time 121.67 sec.

Keywords : Video, Image, Retrieval, Feature Extraction, Content Based Video Retrieval (CBVR), Speeded-Up Robust Features (SURF).

(9)

DAFTAR ISI Persetujuan ii Pernyataan iii Penghargaan iv Abstrak vi Abstract vii

Daftar Isi viii

Daftar Tabel xi

Daftar Gambar xii

Daftar Lampiran xiv

Bab 1 Pendahuluan 1.1 Latar Belakang 1 1.2 Rumusan Masalah 2 1.3 Batasan Masalah 2 1.4 Tujuan Penelitian 3 1.5 Manfaat Penelitian 3 1.6 Metode Penelitian 3 1.7 Sistematika Penelitian 4

Bab 2 Landasan Teori

2.1 Video 7

2.1.1 Citra 8

2.1.2 Jenis Jenis Citra Digital 8

2.2 Information Retrieval (IR) 11

2.2.1 Video Retrieval 11

(10)

2.3.1 Segmentasi Video 13

2.3.2 Ekstraksi Keyframe 14

2.3.3 Ekstraksi Fitur 14

2.3.4 Pencocokan Fitur 14

2.4 Speeded-Up Robust Features (SURF) 15

2.5 Efektivitas Information Retrieval System (IRS) 16

2.6 Penelitian Yang Terdahulu 17

Bab 3 Analisis dan Perancangan

3.1 Analisis Sistem 20 3.1.1 Analisis Masalah 20 3.1.2 Analisis Kebutuhan 22 3.1.2.1 Kebutuhan Fungsional 22 3.1.2.2 Kebutuhan Nonfungsional 23 3.1.3 Analisis Proses 23 3.2 Perancangan Sistem 24 3.2.1 Pemodelan Sistem 24

3.2.1.1 Use Case Diagram 24

3.2.1.2 Activity Diagram 28

3.2.1.3 Sequence Diagram 30

3.2.2 Flowchart 31

3.2.2.1 Flowchart Sistem 31

3.2.3 Perancangan Antarmuka (Interface) 32

Bab 4 Implementasi dan Pengujian Sistem

4.1 Implementasi Sistem 40

4.1.1 Tampilan Antarmuka Form Home 40

4.1.2 Tampilan Antarmuka Form Video 41

4.1.3 Tampilan Antarmuka Form Tambah Video 42

4.1.4 Tampilan Antarmuka Form Player 43

(11)

4.2.1 Koleksi Video 48 4.2.2 Pengujian SistemDengan Query Bukan Frame 49 4.2.3 PengujianSistemDengan Query Dari Frame 51

4.3 HasilPengujian 57

4.3.1 HasilPengujianSistemDengan Query Bukan Frame 57 4.3.2 HasilPengujianSistemdengan Query Dari Frame 59

4.4 Parameter Penguji 66

4.4.1 Parameter PengujiHasilSistemDengan Query Bukan Frame 67 4.4.2 Parameter PengujiHasilSistemDengan Query Dari Frame 68 4.5. Grafik Parameter Recall, Precision dan Running Time 70

4.5.1 Grafik Parameter Recall, Precision dan Running Time

terhadap Query Bukan Frame 70

4.5.2 Grafik Parameter Recall, Precision dan Running Time

terhadap Query Dari Frame 71

Bab 5 Penutup 75

5.1 Kesimpulan 75

5.2 Saran 76

Daftar Pustaka 77

(12)

DAFTAR TABEL

Nomor Tabel

Nama Tabel Halaman

3.1 3.2 3.3 3.4 3.5 3.6 3.7 3.8 3.9

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 25 26 26 27 27 33 35 36 38 3.10 Keterangan Gambar Rancangan Interface Halaman Pencarian

Video Relevan 39

4.1 DaftarKoleksi Video 48

4.2 Daftar Query Bukan Frame 50

4.3 Daftar Query Dari Frame 51

4.4 HasilPengujianSistemdengan Citra Query Bukan Frame 58 4.5 HasilPengujianSistemdengan Citra Query Dari Frame 60 4.6 Hasil Parameter PengujianSistemDengan Query Bukan Frame 67 4.7 Hasil Parameter PengujianSistemDengan Query Dari Frame 68

(13)

DAFTAR GAMBAR

Nomor Gambar

Nama Gambar Halaman

2.1 Koordinat Citra Digital 8

2.2 ContohGambar Citra RGB 9

2.3 ContohGambar Citra Grayscale 10

2.4 ContohGambar Citra Biner 10

2.5 Proses Content Based Video Retrieval 13

2.6 Segmentasi Video 13

3.1 Ishikawa Diagram Sistem 21

3.2 Use-case Diagram Sistem 25

3.3 Activity Diagram Sistem 29

3.4 Sequence Diagram Sistem 30

3.5 FlowchartSistem 31

3.6 RancanganHalamanAwal 33

3.7 RancanganHalaman Data Video 34

3.8 RancanganHalamanPenambahan Video 36

3.9 RancanganHalamanPemutar Video 37

3.10 RancanganHalamanPencarian Video Relevan 38

4.1 Form Home 41

4.2 Form Video 42

4.3 Form Tambah Video 43

4.4 Form Player 44

4.5 Form SURF 45

4.6 Proses Scale Space 46

4.7 Ilustrasi Proses Scale Space dengan Filtering Berkala 46

4.8 Ilustrasi Integral Image 47

(14)

4.10 Grafik Running Time, Recall dan Precision Query Bukan Frame

71

4.11 Grafik Running Time Query Dari Frame 72

4.12 Grafik Running Time, Recall dan Precision Query Bukan Frame

73

4.13 Nilai Rata-Rata Recall dan Precision Query Dari Frame SetiapKategori

(15)

DAFTAR LAMPIRAN

Lampiran 1 Listing Program A-1

Lampiran 2 Curriculum Vitae B-1

Referensi

Dokumen terkait

Untuk menyelesaikan masalah yang ada, maka dibuatlah sebuah Sistem Pakar berbasis web untuk mendiagnosa kerusakan pada kamera Digital Single Lens Reflex , dengan berbagai metode

Account Payable Tri Rejeki Account Receivable Ari Susanti Invoicing Eko S Cashier Inventory Edi Sutomo Risa Yuliana Ka.Armada HR-GA Ka.Security QC Op.Boiler CF PPIC Ka.Shift

Sindrom hepatorenal merupakan suatu keadaan dimana terjadinya gangguan fungsi ginjal pada pasien dengan sirosis hepatis lanjut atau gagal hati fulminan, yang

antara persepsi kanker serviks dengan sikap melakukan deteksi dini inspeksi visual asam asetat pada ibu di RW 03 Ngampilan Yogyakarta 2011 yang ditunjukkan dengan nilai t

Selanjutnya berdasarkan tanda r hitung sebesar 0,256 apabila dikonsultasikan dalam interval koefesien masuk interval 0,200 – 0,399 kategori rendah, sehingga dapat

Dan masa adaptasi penggunaan kontrasepsi IUD adalah jangka waktu yang dibutuhkan pengguna IUD dalam merespon keberadaan IUD di dalam rahimnya ditandai dengan

Strategi pembelajaran yang dapat memfasilitasi siswa dalam mencapai kecakapan abad 21 harus memenuhi kriteria sebagai berikut : kesempatan dan aktivitas

Menurut saya, pandangan masyarakat terhadap pendidikan sudah mulai berubah mas, dulu masyarakat hanya menganggap pendidikan merupakan hal yang tidak penting, yang penting