PELABELAN OTOMATIS CITRA MENGGUNAKAN
FUZZY C MEANS UNTUK SISTEM TEMU KEMBALI CITRA
MARSANI ASFI
SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2008
PERNYATAAN MENGENAI TESIS DAN
SUMBER INFORMASI
Dengan ini saya menyatakan bahwa Tesis Pelabelan Otomatis Citra Menggunakan Fuzzy C-Means untuk Sistem Temu Kembali Citra, adalah karya saya sendiri dan belum diajukan dalam bentuk apapun kepada Perguruan Tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir tesis ini.
Bogor, Juli 2008
Marsani Asfi NRP. G651050014
ABSTRAK
MARSANI ASFI. Pelabelan Otomatis Citra menggunakan Fuzzy C-Means untuk Sistem Temu Kembali Citra. Dibimbing oleh Fahren Bukhari dan Yeni Herdiyeni.
Pelabelan citra secara manual memiliki kelemahan karena memerlukan waktu yang banyak dan sangat tergantung pada subjektifitas pengguna dalam mendeskripsikan citra. Oleh karena itu diperlukan pelabelan citra secara otomatis berdasarkan isi citra. Penelitian ini menggunakan Fuzzy C-Means untuk mengelompokkan informasi warna dan tekstur ke dalam beberapa region berdasarkan objek citra. Dari pengelompokkan ini diperoleh kamus kata untuk setiap citra. Dengan adanya kamus kata tersebut diharapkan dapat mempercepat proses temu kembali. Hasil penelitian menunjukkan bahwa nilai presisi temu kembali citra berdasarkan proses pelabelan ini mencapai 86.68 %.
Kata Kunci : citra, temu kembali citra, pelabelan otomatis citra, fuzzy c-means, clustering.
ABSTRACT
MARSANI ASFI. Automatic Image Labeling using Fuzzy C-Means for Image Retrieval Systems. Under the direction of Fahren Bukhari and Yeni Herdiyeni.
With the rapid development of digital photography, digital image data has increased tremendously in recent years. Consequently image retrieval has drawn the attention of many user. The need for manually image labeling, which is depends on user subjectivity and time-consuming, especially for image databases. This research propose an automatic image labeling based on image content using Fuzzy C-Means to cluster the color and texture information’s into regions. Label of image from clustering is used to retrieve image. The experiments results showed the average of precision of the proposed method is show 86.68 %.
Keyword: Image, Content Based Image Retrieval, CBIR, automatic image labeling
RINGKASAN
MARSANI ASFI. Pelabelan Otomatis Citra Menggunakan Fuzzy C Means untuk Sistem
Temu Kembali Citra. Di bawah bimbingan Fahren Bukhari dan Yeni Herdiyeni.
Perkembangan internet dan banyaknya aplikasi multimedia saat ini, menyebabkan pengguna sulit untuk mendapatkan citra yang tersimpan dalam komputer. Citra memiliki subjek dan objek citra. Subjek citra merupakan persepsi umum pengguna terhadap objek-objek yang dimiliki citra. Persepsi dan intepretasi pengguna dalam mendeskripsikan citra yang sama sering terdapat perbedaan.
Pelabelan citra secara manual memiliki kelemahan karena memerlukan waktu yang banyak dan sangat tergantung pada subjektifitas pengguna dalam mendeskripsikan citra. Oleh karena itu diperlukan pelabelan citra secara otomatis berdasarkan isi citra.
Citra sumber penelitian diperoleh dari web ALIPR (http://www.alipr.com). Citra sumber berhubungan dengan kelas pemandangan, bangunan, alam. Jumlah objek yang terkandung dalam citra dapat berisi 3 (tiga), 4 (empat) atau 5 (lima) objek. Citra sumber digunakan sebagai data pelatihan dan data pengujian. Data pelatihan digunakan sebagai data untuk pembentukan basis data ciri. Basis data ciri menjadi acuan untuk proses penemuan kembali citra pada saat diujikan. Data pengujian digunakan untuk pengujian pelabelan citra, sedangkan untuk pengujian temu kembali citra menggunakan kata-kata dalam kamus kata. Pengujian dengan kamus kata terdiri dari pengujian subjek citra serta objek-objek citra.
Tahapan penelitian terdiri atas pengindeksan untuk pemilihan citra sumber, segmentasi citra, ektraksi warna dan tekstur, serta pengukuran kemiripan ciri subjek citra menggunakan Euclid. Pelabelan citra secara otomatis. Temu kembali citra untuk menentukan kueri teks sebagai masukan dan penentuan indeks yang digunakan sebagai dasar temu kembali citra. Evaluasi kinerja sistem sebagai evaluasi hasil temu kembali citra berdasarkan nilai precision dan recall.
Penelitian ini menggunakan Fuzzy C-Means untuk mengelompokkan informasi warna dan tekstur ke dalam beberapa region berdasarkan objek citra. Dari pengelompokkan ini diperoleh kamus kata untuk setiap citra. Dengan adanya kamus kata tersebut diharapkan dapat mempercepat proses temu kembali.
Hasil penelitian menunjukkan bahwa proses pelabelan otomatis citra menghasilkan pelabelan yang cukup baik. Definisi kata-kata berupa subjek dan objek citra dalam kamus kata berguna dalam proses temu kembali. Model pelabelan citra otomatis menggunakan Fuzzy C-means (FCM) dilakukan berdasarkan kata-kata yang terdefinisi dalam kamus kata. Tabel indeks citra disusun berdasarkan proses pelabelam otomatis citra dan digunakan sebagai dasar untuk proses temu kembali. Hasil penelitian juga menunjukkan bahwa nilai presisi temu kembali citra berdasarkan proses pelabelan ini mencapai 86.68 %.
© Hak cipta milik IPB, tahun 2008 Hak cipta dilindungi Undang-undang
1. Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan atau menyebutkan sumber.
a. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik atau tinjauan suatu masalah
b. Pengutipan tidak merugikan kepentingan yang wajar IPB
2. Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya tulis dalam bentuk apapun tanpa izin IPB.
PELABELAN OTOMATIS CITRA MENGGUNAKAN
FUZZY C MEANS UNTUK SISTEM TEMU KEMBALI CITRA
MARSANI ASFI
Tesis
Sebagai salah satu syarat untuk memperoleh gelar Magister Sains pada
Program Studi Ilmu Komputer
SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2008
Judul Tesis : Pelabelan Otomatis Citra Menggunakan Fuzzy C Means untuk Sistem Temu Kembali Citra
Nama : Marsani Asfi NRP : G651050014
Disetujui Komisi Pembimbing
Ir. Fahren Bukhari, M.Sc Yeni Herdiyeni, S.Si, M.Kom Ketua Anggota
Diketahui
Ketua Program Studi Dekan Sekolah Pascasarjana Ilmu Komputer
Dr. Sugi Guritman Prof. Dr. Khairil Anwar A. Notodiputro, M.S.
PRAKATA
Alhamdulillahirabbil ‘alamin, Penulis panjatkan puji dan syukur ke hadirat Allah SWT yang telah memberikan rahmat, hidayah, serta karuniaNya sehingga Penulis dapat menyelesaikan tesis yang berjudul Pelabelan Otomatis Citra menggunakan Fuzzy C-Means untuk Sistem Temu Kembali Citra.
Penulis mengucapkan terima kasih kepada Bapak Ir. Fahren Bukhari, M.Sc. dan Ibu Yeni Herdiyeni S.Si, M.Kom selaku komisi pembimbing yang telah memberikan banyak masukan kepada Penulis dalam penyusunan tesis ini. Ucapan terimakasih juga Penulis sampaikan kepada Bapak Ir. Julio Adisantoso, M.Kom sebagai dosen penguji. Penulis juga ingin mengucapkan terima kasih kepada:
1. Ayah (alm) dan Ibu tercinta yang selalu mendukung kelancaran masa studi Penulis.
2. Bapak Chandra Lukita, S.E, M.M. dan Keluarga yang memberikan dukungan materi dan semangat pada saat kuliah dan penyusunan tesis ini.
3. Istri tercinta Erna Agustriani, yang mendukung, mendampingi dan selalu memberikan motivasi dan doa. Banyak yang telah kita korbankan selama ini. 4. Rekan rekan dosen dan staf di CIC serta rekan-rekan ‘ilkomp 7’ IPB : Agus
Hasim, Dwi Prasetyo, Prihastuti Harsani, Titi Ratnasari, Diah Widiastuti, Adhi Kusnadi, Roni Salambue, Husmul Beze dan Sahzam. Sukses selalu.
5. Departemen Ilmu Komputer beserta dosen dan staf yang telah banyak membantu Penulis dalam penyusunan tesis ini.
6. Kepada semua pihak yang telah membantu dalam penyusunan tesis ini yang tidak bisa disebutkan satu per satu, terima kasih.
Semoga penelitian ini dapat memberikan manfaat, Amien.
Bogor, Juli 2008 Marsani Asfi
RIWAYAT HIDUP
Penulis dilahirkan di Bangka pada tanggal 01 Maret 1976 dari ayah Aslah Tamin (alm.) dan Ibu Fatimah. Penulis merupakan putra kedua dari enam saudara. Penulis beristrikan Erna Agustriani, A.md.
Pendidikan sekolah dasar ditempuh di SDN 1 Sungailiat Bangka, menengah pertama di SMPN 1 Sungailiat Bangka. Menengah atas di SMAN 1 Sungailiat Bangka dan lulus tahun 1994, pada tahun yang sama penulis masuk Universitas Padjadjaran Bandung. Lulus dari jurusan Matematika Bidang Minat Ilmu Komputer tahun 1999. Saat ini penulis bekerja di CIC GROUP CIREBON sebagai Kepala Manajemen Mutu.
DAFTAR ISI
Halaman
DAFTAR TABEL ... xi
DAFTAR GAMBAR... xii
DAFTAR LAMPIRAN ... xiv
I. PENDAHULUAN A. Latar Belakang ... 1
B. Tujuan Penelitian ... 3
C. Manfaat Penelitian ... 3
D. Ruang Lingkup Penelitian ... 3
II. TINJAUAN PUSTAKA A. Temu Kembali Citra ... 4
B. Segmentasi, Ekstraksi Ciri Citra dan Clustering ... 5
Normalized Cuts ... 5
Expectation-Maximation ... 7
Ekstraksi Ciri Tekstur ... 7
Transformasi Wavelet Gabor ... 8
Filter Gabor ... 9
Ekstraksi Ciri Warna ... 11
Clustering ... 12
C. Fuzzy C-Means(FCM) ... 13
D. Metodologi Pelabelan Otomatis Citra ... 16
E. Pengukuran Kinerja Sistem ... 16
III. METODOLOGI PENELITIAN A. Kerangka Pemikiran... 18
B. Alat Bantu Prnelitian ... 19
C. Tata Laksana Penelitian ... 19
Pengindeksan ... 19
Pelabelan Citra ... 23
Temu Kembali Citra ... 24
IV. PERANCANGAN DAN IMPLEMENTASI SISTEM
A. Desain Data ... 26
Citra Sumber ... 26
Kamus Kata ... 27
B. Desain Proses Sistem ... 27
Segmentasi Citra ... 28
Ekstraksi Ciri ... 28
C. Perancangan Proses Sistem ... 29
Modul Segmentasi ... 29
Modul Clustering ... 30
Modul Pelabelan Citra ... 31
Modul Temu Kembali ... 32
Modul Evaluasi ... 32
Modul Representasi Hasil ... 32
D. Desain Antar Muka ... 32
V. HASIL DAN PEMBAHASAN A. Karakteristik Citra Masukan ... 34
B. Pengindeksan Citra ... 34
Segmentasi Warna Citra ... 34
Format Tekstur Citra ... 35
Segmentasi Region ... 36
Ekstraksi Ciri Warna ... 37
Ekstraksi Ciri Tekstur ... 38
Penggabungan Ciri Warna dan Tekstur ... 39
C. Pelabelan Citra ... 39
Labeling Capture ... 39
Labeling Coding ... 40
Labeling Reuse ... 41
D. Hasil Temu Kembali ... 43
E. Evaluasi Temu Kembali ... 44
F. Pengembangan Prototype ... 46
Antar Muka Temu Kembali Citra ... 47
VI. SIMPULAN DAN SARAN A. Simpulan ... 48
B. Saran ... 48
DAFTAR PUSTAKA ... 50
DAFTAR TABEL
Halaman 1 2 3 4 5 6Enam parameter filter Gabor ... Kamus Kata... Matrik Keanggotaan ... Subjek, Jumlah, serta Objek yang terkandung pada Citra Sumber... Matrik Keanggotaan Region berdasarkan hasil clustering ... Nilai rataan precision hasil temu kembali citra ...
10 27 30 34 40 45 xi
DAFTAR GAMBAR
Halaman 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29Alur Sistem Temu Kembali Citra ………... Citra sebagai suatu graf dalam Normalized Cuts ... Grap Citra setelah di Segmentasi ... Ilustrasi Pemotongan dalam Normalized Cuts ... Contoh tekstur visual dari Album Tekstur Brodatz ... Parameter filter Gabor dalam domain frekuensi spasial ... Tahapan Segmentasi Tekstur ... Tahapan Algoritma fuzzy c-mean Clustering ... Kerangka Pemikiran Penelitian ... Tata Laksana Pengindeksan... Ekstraksi ciri warna ... Ekstraksi ciri tekstur ... Tata Laksana Pelabelan Otomatis... Tata Laksana Temu Kembali Citra ... Arsitektur Sistem Pelabelan Otomatis ... Rancangan Antar Muka Pelabelan Citra ... Rancangan Desain Antarmuka Sistem Temu Kembali ... Contoh Citra sebelum dan sesudah segmentasi menggunakan algoritma EM ... Contoh Citra RGB ke Citra Gray Scale ... Contoh Citra sebelum dan sesudah segmentasi menggunakan algoritma ... Pemisahan Region Citra kedalam 6 Region... Contoh Citra Langit ... Hasil FCH dengan FCM 30 bin ... Contoh Citra Region Rumput ... Region Rumput dengan frekuensi tertentu ... Grafik Total Cluster per Subjek ... Citra Contoh Proses Labeling Coding... Contoh Citra proses penggabungan region... Contoh Citra hasil pelabelan otomatis ...
4 5 6 6 8 9 11 15 18 19 21 23 24 24 29 33 33 35 36 36 37 37 38 38 39 40 41 42 42 xii
30 31 32 33
Hasil Temu Kembali Citra dengan kata kunci ‘awan’ dan ‘ rumput’... Grafik rataan precision dan recall ... Antar Muka Sistem dan Pelabelan Citra... Antar Muka Temu Kembali Citra...
44 45 46 47
DAFTAR LAMPIRAN
Halaman 1
2 3
Segmentasi Warna Citra Sumber ... Segmentasi Region Citra Sumber ... Warna Kuantisasi untuk 30 Bin Histogram ...
53 54 55
