KOHONEN NEURAL NETWORK DALAM PENDETEKSIAN
DUPLIKASI IMAGE DIGITAL MELALUI DETEKSI GARIS TEPI
SKRIPSI
MAHATHIR FEBRIAN
091402131
PROGRAM STUDI TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
KOHONEN NEURAL NETWORK
DALAM PENDETEKSIAN DUPLIKASI
IMAGE DIGITAL
MELALUI DETEKSI GARIS TEPI
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Teknologi Informasi
MAHATHIR FEBRIAN 091402131
PROGRAM STUDI TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : KOHONEN NEURAL NETWORK DALAM PENDETEKSIAN DUPLIKASI IMAGE
DIGITAL MELALUI DETEKSI GARIS TEPI
Kategori : SKRIPSI
Nama : MAHATHIR FEBRIAN Nomor Induk Mahasiswa : 091402131
Program Studi : SARJANA (S1) TEKNOLOGI INFORMASI Departemen : TEKNOLOGI INFORMASI
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
Diluluskan di
Medan, 23 Agustus 2014
Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
PERNYATAAN
kOHONEN NEURAL NETWORK
DALAM PENDETEKSIAN
DUPLIKASI
IMAGE DIGITAL
MELALUI DETEKSI GARIS TEPI
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, 23 Agustus 2014
UCAPAN TERIMA KASIH
Puji dan syukur penulis panjatkan kepada Allah SWT Yang Maha Pengasih dan Maha Penyayang, dengan segala rahmat dan karuniaNya penulisan tugas akhir ini berhasil diselesaikan dalam waktu yang telah ditetapkan. Selama penyelesaian tugas akhir ini, banyak bantuan dan kerja sama serta doa dan dukungan dari berbagai pihak, oleh karena itu penulis sampaikan ucapan terima kasih sedalam-dalamnya dan penghargaan kepada :
1. Kedua orang tua dan sanak saudara penulis yang telah memberikan dukungan dan motivasi baik materil dan spiritual, Ayahanda Zakaria dan Ibunda Suryawati yang selalu sabar dalam mendidik dan membesarkan penulis. Untuk adik penulis Habibie, M.Rezeki dan Adha Natsya yang selalu memberikan semangat kepada penulis.
2. Ibu Dr. Erna Budhiarti Nababan, M.IT dan Bapak M. Andri Budiman,ST., M.Com.Sc selaku pembimbing yang telah banyak meluangkan waktu dan pikirannya, memotivasi dan memberikan kritik dan saran kepada penulis.
3. Bapak Dedy Arisandi, ST.,M.Kom dan Bapak M. Fadly Syahputra, B.Sc.,M.Sc.IT yang telah bersedia menjadi dosen pembanding yang telah memberikan kritik dan saran kepada penulis.
4. Ketua dan Sekretaris Program Studi Teknologi Informasi, Bapak M. Anggia Muchtar, ST.,MM.IT dan Bapak M. Fadly Syahputra, B.Sc.,M.Sc.IT.
5. Dekan dan Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara, semua dosen serta pegawai di Fakultas Ilmu Komputer dan Teknologi Informasi.
v
6. Orang terdekat penulis, Cyntia Harmaytha Harahap, ST. Terima kasih banyak telah membantu menyemangati, mendukung, dan mendampingi segala kegiatan penulis.
7. Seluruh sahabat terbaik penulis yang selalu memberikan dukungan, Denny Pratama, Ahmad Najam, Wildan Afifi, Satrya Prayudi, Darma Warista, Razky, Oliver, Junaidi Arief, Andri Agung, Anggi Brahmana, Fachriza Fahmi, Andre H Lubis, M. Taufiqul Hadi, Anthea Ria M, Boho, Yogi, Dedek, Ranap, Donny, Erfahd, Adha, Mulki, Syarah, Mitha, Ari Rifki, Bang Aulia, Bang Sandro, Bang Irwanta, seluruh angkatan 09, teman SRC, teman GG, teman-teman Telkom, teman-teman-teman-teman PIM, teman-teman-teman-teman Mangga, teman-teman-teman-teman TDK serta teman-teman seluruh angkatan mahasiswa USU lainnya yang tidak dapat penulis sebutkan satu persatu.
ABSTRAK
Abstrak—Frekuensi penyebaran informasi dalam bentuk image digital ini semakin
tinggi, baik dari segi kualitas maupun kuantitasnya. Hal ini menyebabkan sering terjadinya duplikasi image digital yang memiliki kesamaan dalam bentuk gambar, namun memiliki perbedaan dalam hal ukuran dan nama file. Duplikasi gambar ini dapat menyebabkan pemborosan dalam media penyimanan data seperti hard disk atau
flash disk serta rumitnya pengaturan data dalam bentuk image digital tersebut. Oleh
karena itu, perlu adanya sebuah pendekatan data yang mendeteksi duplikasi image
digital di dalam media penyimpanan data, sehingga memudahkan pengguna untuk
melakukan penghapusan atau pengaturan image digital tersebut. Metode kohonen
neural network akan mengolah setiap sinyal dari image digital dan melakukan
pengecekan terhadap sebuah image digital. Metode ini akan mengolah setiap sinyal dari image digital dan membentuk cluster-cluster disekitar tepi-tepi gambar (dihasilkan oleh proses pendeteksian garis tepi menggunakan teknik edge linking) yang selanjutnya diproses untuk menghasilkan nilai jarak antar cluster yang berdekatan. Cluster-cluster yang dibentuk akan berfungsi sebagai garis virtual pada daerah segmentasi. Garis virtual ini besar peranannya dalam hal menghubungkan garis-garis yang terputus pada saat proses pendeteksian garis tepi sebelumnya. Hal ini akan mempengaruhi tingkat ketelitian proses pendeteksian duplikasi image digital
yang dilakukan. Berdasarkan pengujian yang telah dilakukan, algoritma kohonen
neural network dapat segmentasi dan mengelompokkan image serta memiliki
komputasi waktu yang cepat.
Kata Kunci—Image digital, Image duplication, Kohonen Neural Network Algorithm,
KOHONEN NEURAL NETWORK FOR IMAGE DIGITAL DUPLICATE
DETECTION USING EDGE DETECTION
ABSTRACT
Dissemination Information Frequency in the form of digital image is rising, both by its quality and quantity. This causes frequent digital image duplication occurences
which have similarities in the form of images, and also differencies in size and file name. Duplication of this image may waste the media data strorage such as hard disc or flash disc as well as the complexity data settings in the form of the digital image. Therefore the quary for a data approach to detect any digital image duplications in the data strorage media to simplify users to remove or set the digital image is a must to
do. Kohonen neural network method shall process any signal from the digital image
and performs an inspection on a digital image. This method shall process any signal from a digital image and create some clusters around the image’s edges (generated by the edge detection process using the edge linking technique) and further shall be processed to generate a distance value between adjacent clusters. Formed clusters shall serve as a virtual line on the segmentation area. This virtual line has a major role to reconnect any disconnected lines in the process of the previous edge detection time. This shall affect the digital image duplication detection process accuracy level conducted. Based on the ducted tests, the Kohonen neural network algorithm may segment and classifyied the image and having a fast computational time.
Keyword— Digital image, Image duplication, Kohonen Neural Network Algorithm,
ix
3.1.2.1 Kebutuhan Fungsional ... 14
3.1.2.2 Kebutuhan Nonfungsional ... 15
3.1.3 Penerapan Algoritma Kohonen Neural Network SOM ... 15
3.2 Perancangan Sistem ... 27
3.2.1 Flowchart Sistem ... 27
3.2.2 Perancangan Antarmuka Program ... 33
BAB 4 IMPLEMENTASI DAN PENGUJIAN SISTEM ... 36
4.1. Implementasi ... 36
4.1.2 Tampilan Hasil ... 36
4.1.2 Pengujian Sistem ... 37
4.2. Pembahasan ... 45
4.1.2 Kelebihan Sistem ... 47
4.2.2 Kelemahan Sistem ... 47
BAB 5 KESIMPULAN DAN SARAN ... 48
5.1. Kesimpulan ... 48
5.2. Saran ... 49
DAFTAR TABEL
DAFTAR GAMBAR
Hal.
Gambar 2.1 Color Image 6
Gambar 2.2 Citra Digital 7
Gambar 2.3 Kurva Skweness dan Kurtosis 11 Gambar 3.1 Struktur Pixel Citra A 16 Gambar 3.2 Hasil Deteksi Garis Tepi Citra A 19 Gambar 3.3 Hasil Segmentasi Citra A 20
Gambar 3.4 BMN Citra A 20
Gambar 3.5 Struktur Pixel Citra A 21 Gambar 3.6 Hasil Segmentasi Citra B 21
Gambar 3.7 BMN Citra B 21
Gambar 3.8 Flowchart Prose Kerja Perangkat Lunak 28 Gambar 3.13 Rancangan Form Utama 34 Gambar 3.14 Rancangan Form About 35 Gambar 4.1 Tampilan Form Utama 36
Gambar 4.2 Form About 37
Gambar 4.3 Gambar Normal.bmp 38 Gambar 4.4 Gambar Brighup.bmp 39 Gambar 4.5 Gambar Brigtdown.bmp 39 Gambar 4.6 Gambar Contup.bmp 40 Gambar 4.7 Gambar Contdown.bmp 40
Gambar 4.8 Gambar uji2.bmp 41
