BAB 1
PENDAHULUAN
1.1 Latar Belakang
Teknologi merupakan salah satu media yang banyak digunakan untuk membantu pekerjaan manusia dengan memanfaatkan tools, process dan resources dalam pengolahannya. Penggunaan teknologi banyak dipakai pada hampir seluruh aspek kehidupan dan perannya digunakan untuk menjalin pertukaran data ataupun informasi (Simarmata, 2006). Pemakaian komputer dalam era informasi berkembang sangat pesat dan diimplemetasikan untuk menjawab berbagai kebutuhan manusia dalam melakukan proses komputasi, pemrosesan serta analisis data, hiburan dan lainnya.
Penggunaan internet pada saat ini mampu mengembangkan beberapa sektor wisata di Indonesia menjadi lebih maksimal sehingga mampu mendatangkan turis baik dari dalam negeri maupun luar negeri. Untuk menarik pihak wisatawan, banyak sekali materi yang bisa kita gunakan, salah satunya adalah dengan menggunakan media mulitimedia, baik berupa gambar ataupun video.
Gambar adalah media informasi yang sangat efektif karena terbukti handal dalam penyampaian informasi dengan penyajian yang lebih menarik bagi indera manusia. Gambar atau citra adalah sebuah representasi yang mirip dari sebuah objek (Jahne, 2005). Penggunaan citra banyak digunakan sebagai media periklanan untuk wisatawan agar dapat berkunjung ke suatu daerah.
Ada begitu banyak objek pariwisata yang dapat diperkenalkan kepada wisatawan dalam suatu wilayah, hanya saja tidak semua wisatawan tahu nama daerah wisata yang dicari. Salah satu masalah yang terjadi adalah kurang populernya suatu objek wisata yang ditawarkan. Dalam sebuah kasus tertentu, wisatawan yang pernah mengunjungi tempat tersebut hanya memiliki citra yang diambil di tempat tersebut tanpa tahu informasi penting mengenai wilayah tersebut seperti nama tempat, lokasi, keistimewaan yang ditawarkan, kekurangan, dan lain sebagainya.
Oleh sebab itu, dibutuhkan sebuah alat bantu dalam melakukan pencarian tempat wisata tersebut hanya dengan menggunakan sebuah citra. Citra yang dibawa pengguna dapat dicari dalam database, sehingga komputer dapat mengolah potongan citra tersebut dan menunjukan pada pengguna lokasi citra yang diberikan pengguna beserta dengan informasi yang dibutuhkan pengguna.
Namun, kesulitan dalam mencari citra yang diinginkan adalah banyaknya piksel data yang diolah karena citra memiliki warna, ukuran dan informasi yang berbeda. Tidak seperti manusia yang memiliki kemampuan untuk mengetahui persamaan dan perbedaan sebuah citra, komputer hanya dapat membedakan citra berdasarkan gradien, warna, ukuran piksel dan lain sebagainya. Selain itu, komputer juga tidak dapat mengolah informasi secara otomatis tanpa melakukan pembelajaran terlebih dahulu.
Dalam tugas akhir ini, Penulis melakukan pendekatan menggunakan metode corner detection dalam mengenali citra, yaitu dengan menggunakan titik-titik sudut
yang jelas pada sebuah citra yang kemudian akan dibandingkan antara satu dengan yang lain. Setiap titik dalam masing-masing citra akan di simpan ke dalam database dan dikelompokan berdasarkan modelnya sehingga dengan mudah dapat dilacak oleh komputer menggunakan backpropagation yang akan belajar mengolah citra yang dimasukkan oleh pengguna.
Metode corner detection banyak digunakan dalam computer vision atau machine vision untuk dapat mengenali objek dengan menggunakan citra. Konsep ini
dari fungsi frekuensi yang menciptakan noise pada suatu citra (Guelzim et al. 2011). Dalam beberapa kesempatan, corner detection juga digunakan untuk menjadi salah satu metode untuk melengkapi metode yang lainnya, seperti estimasi pengenalan mata (Kurniawan & Suwardi, 2012).
Backpropagation (BP) sendiri banyak digunakan untuk menangani masalah
pengenalan pola-pola kompleks, seperti pengenalan pola tulisan tangan (Devireddy & Rao, 2005), pengenalan bentuk wajah (Anam et al. 2009), pengambilan keputusan dalam bidang keuangan (Lee & To, 2010), prakiraan curah hujan (Vamsidhar et al. 2010), pengategorisasikan teks (Ramsundaram & Victor, 2010), inisialisasi (Ganatra et al. 2011), kompresi citra (Panda, 2012) dan masih banyak lainnya.
Dalam tugas akhir ini, Penulis akan menggunakan metode Harris Corner Detector dan Backpropagation untuk membantu pengguna dalam melakukan
pencarian dan pengenalan objek citra. Harris Corner Detector (HCD) memiliki kemampuan untuk mendeteksi sudut dalam suatu citra karena mampu menghasilan nilai yang konsisten walau dengan adanya rotasi, skala dan variasi pencahayaan maupun noise pada gambar. Penggunaan Harris Corner Detector didasarkan pada fungsi autokorelasi sinyal lokal dimana fungsi autokorelasi lokal akan menghitung perubahan lokal dan sinyal. Lalu hasil dari corner yang dihasilkan oleh sebuah citra akan diolah oleh backpropagation (BP) sehingga sistem dapat belajar dalam mengolah informasi yang dibutuhkan oleh pengguna dengan menggunakan citra.
1.2 Rumusan Masalah
1.3 Batasan Masalah
Guna mencegah meluasnya cakupan permasalahan yang akan dibahas dalam studi ini dan untuk membuat studi ini lebih terarah, maka dilakukan pembatasan masalah sebagai berikut:
1. Data yang digunakan berbentuk citra dengan format JPG dan berbentuk 2D, berukuran 200 x 200 piksel.
2. Data yang digunakan dibagi menjadi dua, yakni data pelatihan (training) yaitu data yang disimpan dalam database dan data pengujian (testing) yang diuji coba pada database.
3. Objek citra yang digunakan adalah landmark di Medan dan tidak menempel dengan objek lain. Objek tidak berotasi secara vertikal.
4. Objek pariwisata yang digunakan dalam penelitian ini hanya berupa bentuk bangunan.
1.4 Tujuan Penelitian
Tujuan dari penelitian ini adalah untuk menemukan sebuah penyelesaian dan memberikan informasi yang dibutuhkan dalam mengenal sebuah objek menggunakan metode corner detection dan backpropagation.
1.5 Manfaat Penelitian
Manfaat yang dapat diperoleh dari penelitian ini adalah:
1. Mengetahui kemampuan metode Harris Corner Detection (HCD) dan backpropagation (BP) untuk dapat mengenali citra dan informasi yang
2. Menambah pemahaman penulis tentang penggunaan metode Harris Corner Detection (HCD) dan backpropagation (BP) dalam pengenalan citra secara
otomatis untuk memudahkan pengenalan citra secara otomatis.
3. Sebagai referensi untuk penelitian lain yang membahas metode Harris Corner Detection (HCD) dan backpropagation (BP) dan penggunaannya pada bidang
lain.
1.6 Metodologi Penelitian
Metodologi penelitian yang digunakan pada penelitian ini adalah:
a. Studi Literatur
Studi literature digunakan dengan mengumpulkan bahan-bahan referensi terkait dengan sistem pengenalan objek citra menggunakan metode corner detection dan backpropagation.
.
b. Analisis
Pada tahapan ini, penulis akan melakukan analisis terhadap materi dan data yang mendukung dalam penyelesaian masalah sehingga dapat dirancang sebuah aplikasi yang akan diimplementasikan.
c. Perancangan
Pada tahap perancangan sistem dilakukan perancangan arsitektur, pengumpulan data, pelatihan, dan merancang antarmuka. Proses perancangan dilakukan berdasarkan hasil analisis studi literatur yang telah didapatkan.
d. Implementasi
e. Pengujian
Pada tahap ini dilakukan pengujian aplikasi yang telah dibuat guna memastikan aplikasi telah berjalan sesuai dengan apa yang diharapkan.
f. Dokumentasi dan Penyusunan Laporan
Pada tahap ini dilakukan dokumentasi hasil analisis dan implementasi penggunaan Harris Corner Detection (HCD) dalam pencarian dan informasi citra secara otomatis dengan menggunakan metode pembelajaran backpropagation.
1.7 Sistematika Penulisan
Sistematika penulisan dari skripsi ini terdiri dari lima bagian utama sebagai berikut:
Bab 1 Pendahuluan
Pada bab ini merupakan pendahuluan yang berisikan tentang latar belakang masalah, rumusan masalah, batasan masalah, tujuan penelitian, metode penelitian dan sisitematika penulisan dari skripsi..
Bab 2: Landasan Teori
Pada bab ini membahas mengenai teori-teori yang digunakan untuk memahami permasalahan yang berkaitan dengan pengertian citra, format citra, corner detection, backpropagation dan penerapan yang digunakan dalam pembuatan aplikasi beserta
dengan pendukungnya.
Bab 3: Analisis dan Perancangan
Bab ini berisi analisis dan penerapan metode Harris Corner Detector (HCD) dan backpropagation (BP) untuk menemukan citra secara otomatis dalam database, serta
perancangan seperti pemodelan dengan flowchart, use case dan sequence diagram.
Bab 4: Implementasi dan Pengujian
Bab 5: Kesimpulan Dan Saran
