PENENTUAN LOKASI PARKIR KOSONG MENGGUNAKAN
ALGORITMA PROBABILISTIC NEURAL NETWORK (PNN)
SKRIPSI
JOKO KURNIANTO
121402102
PROGRAM STUDI S1 TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
PENENTUAN LOKASI PARKIR KOSONG MENGGUNAKAN ALGORITMA
PROBABILISTIC NEURAL NETWORK (PNN)
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Teknologi Informasi
JOKO KURNIANTO 121402102
PROGRAM STUDI S1 TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : PENENTUAN LOKASI PARKIR KOSONG
MENGGUNAKAN ALGORITMA PROBABILISTIC
NEURAL NETWORK (PNN)
Kategori : SKRIPSI
Nama : JOKO KURNIANTO Nomor Induk Mahasiswa : 121402102
Program Studi : S1 TEKNOLOGI INFORMASI Departemen : TEKNOLOGI INFORMASI
Fakultas : FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Dani Gunawan, ST., M.T Romi Fadillah Rahmat, B.Comp.Sc., M.Sc NIP. 19820915 201212 1 002 NIP. 19860303 201012 1 004
Diketahui/disetujui oleh
Program Studi S1 Teknologi Informasi Ketua,
Romi Fadillah Rahmat, B.Comp.Sc., M.Sc
PERNYATAAN
PENENTUAN LOKASI PARKIR KOSONG MENGGUNAKAN ALGORITMA
PROBABILISTIC NEURAL NETWORK (PNN)
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, 20 Juli 2017
UCAPAN TERIMA KASIH
Puji dan syukur penulis sampaikan ke hadirat Tuhan Yang Maha Esa yang telah memberikan rahmat serta restu-Nya sehingga penulis dapat menyelesaikan skripsi ini sebagai syarat untuk memperoleh gelar Sarjana.
Pertama, penulis ingin mengucapkan terima kasih kepada Bapak Romi Fadillah Rahmat, B.Comp.Sc., M.Sc selaku pembimbing pertama dan Bapak Dani Gunawan, ST., M.T selaku pembimbing kedua yang telah meluangkan waktu serta tenaganya untuk membimbing penulis dalam penelitian serta penulisan skripsi ini. Tanpa inspirasi serta motivasi yang diberikan oleh kedua pembimbing, tentunya penulis tidak akan dapat menyelesaikan skripsi ini. Penulis juga mengucapkan terima kasih kepada Bapak Seniman S.Kom.,M.Kom sebagai dosen pembanding pertama dan Bapak Ainul Hizriadi S.Kom.,M.Comp.Sc sebagai dosen pembanding kedua yang telah memberikan masukan serta kritik yang bermanfaat dalam penulisan skripsi ini. Ucapan terima kasih juga ditujukan kepada semua dosen serta pegawai di lingkungan Fakultas Ilmu Komputer dan Teknologi Informasi yang turut membantu serta membimbing penulis selama proses perkuliahan.
Penulis tentunya tidak lupa berterima kasih juga kepada kedua orang tua penulis, yaitu Bapak Darman dan Ibu Sudarmi yang telah membesarkan penulis dengan sabar dan penuh kasih sayang, serta doa dan dukungan berupa moral maupun materil yang selalu menyertai selama ini. Penulis juga berterima kasih kepada seluruh anggota keluarga penulis yang namanya tidak dapat disebutkan satu persatu.
ABSTRAK
Saat ini, kebutuhan parkir di tempat umum semakin meningkat dikarenakan tingginya jumlah mobil yang ada. Pengguna jasa parkir mobil pada umumnya masih mencari lokasi parkir yang kosong secara manual untuk dapat memarkirkan kendaraannya. Dengan perkembangan teknologi sekarang ini khususnya di bidang Image Processing diharapkan dapat menyelesaikan permasalahan tersebut. Oleh karena itu, penelitian ini menerapkan teknik Image Processing untuk menentukan lokasi parkir kosong atau terisi mobil yang berjalan secara real-time. Pada penelitian ini metode yang digunakan terbagi menjadi lima tahapan. Tahapan pertama adalah capturing image untuk mengambil citra lokasi parkir. Tahapan kedua adalah pre-processing yang terdiri dari proses saturation, grayscale dan thresholding. Tahapan ketiga adalah image
segmentation untuk memotong citra menjadi lima bagian. Tahapan keempat adalah
feature extraction yang akan menghasilkan nilai invariant moment. Tahapan terakhir
adalah identification yaitu proses untuk menentukan lokasi parkir kosong atau terisi mobil. Hasil evaluasi yang didapat dari penelitian ini dengan data uji berjumlah 100 citra adalah akurasi yang mencapai 94%, rata-rata tingkat perolehan (recall) mencapai 94%, rata-rata tingkat ketepatan (precision) mencapai 94%.
PENENTUAN LOKASI PARKIR KOSONG MENGGUNAKAN ALGORITMA
PROBABILISTIC NEURAL NETWORK (PNN)
ABSTRACT
Nowadays, The need for parking lots in public places has been increasing due to the high amount of the cars. In general, people are still looking for the vacant parking lot manually to be able to park their cars. The recent technological developments, especially in Image Processing, is expected to solve the problem. Therefore, this research applied Image Processing technique to determine the locations of vacant or filled car parking lots that run in real-time. The used method are divided into five steps under this research. The first is image capturing to capture the parking location image. Then continue to the pre-processing step which consists of saturation, grayscale and thresholding process. The third step is image segmentation to cut the image into five pieces. Then followed by feature extraction which will generate invariant moment values. The final step is identification, the process to determine determine the locations of vacant or filled car parking lots. The result obtained from this research with 100 images as data testing is accuracy of 94% with 94% average recall rate and 94% for the precision rate.
Keywords : Image Processing, Parking Space, Probabilistic Neural Network,
DAFTAR ISI
Hal.
PERSETUJUAN i
PERNYATAAN ii
UCAPAN TERIMA KASIH iii
ABSTRAK iv
1.3. Tujuan Penelitian 3
1.4. Batasan Masalah 3
1.5. Manfaat Penelitian 4
1.6. Metodologi Penelitian 4
1.7. Sistematika Penulisan 5
BAB 2 LANDASAN TEORI 7
2.1. Citra Digital 7
2.1.1 Color image atau RGB (Red, Green, Blue) 7
2.1.2. Black and white 8
2.1.3. Binary Image 8
2.2. Pengolahan Citra 9
2.3. Pre-processing 10
2.4. Saturation 10
2.5. Grayscale 10
2.6.1 Thresholding Global 11
2.6.2. Thresholding Local 11
2.7. Feature Extraction 13
2.7.1 Ekstraksi fitur berdasarkan warna 13
2.7.1 Ekstraksi fitur berdasarkan tekstur 14
2.7.1 Ekstraksi fitur berdasarkan bentuk 15
2.8. Invariant Moment 16
2.9. Algoritma Identifikasi 18
2.10. Probabilistic Neural Network 18
2.11. Penelitian Terdahulu 20
BAB 3 ANALISIS DAN PERANCANGAN 23
3.1. Arsitektur Umum 23
3.2. Data yang Digunakan 24
3.2.1. Capturing Image 25
3.2.2. Data training 25
3.4. Image Segmentation 28
3.5. Feature Extraction 29
3.6. Identification 36
3.6.1. Probabilistic Neural Network 36
3.7. Perancangan Sistem 36
3.7.1 Tampilan Utama 37
3.7.2. Tiket Parkir 38
3.7.3. Pengaturan Data Latih 39
3.7.4. Flowchart pengunjung 40
BAB 4 IMPLEMENTASI DAN PENGUJIAN 41
4.2. Implementasi Perancangan Antarmuka 41
4.2.1. Halaman Utama 42
4.2.2. Tampilan hasil akhir 42
4.2.3. Form tiket 43
4.2.4. Halaman Pengaturan Data Latih 43
4.3. Hasil Pre-processing 44
4.4. Hasil Cropping 45
4.5. Hasil Feature Extraction 45
4.6. Hasil Probabilistic Neural Network (PNN) 46 4.7. Analisis Precision dan Recall 49
BAB 5 KESIMPULAN DAN SARAN 51
5.1. Kesimpulan 51
5.2. Saran 51
DAFTAR TABEL
Tabel 2.1. Penelitian Terdahulu 21
Tabel 3.1. Daftar Ukuran Slot Citra Parkir 29 Tabel 3.2. Hasil Perhitungan Matriks Citra 30 Tabel 3.3. Hasil Perhitungan Nilai Moment Pusat 30 Tabel 3.4. Hasil Perhitungan Nilai Moment Dimensi Citra A1 31 Tabel 3.5. Hasil Perhitungan Nilai Moment Dimensi Citra A2 31 Tabel 3.6. Hasil Perhitungan Nilai Moment Dimensi Citra A3 31 Tabel 3.7. Hasil Perhitungan Nilai Moment Dimensi Citra A4 32 Tabel 3.8. Hasil Perhitungan Nilai Moment Dimensi Citra A5 32 Tabel 3.9. Hasil Perhitungan Nilai Normalisasi Moment Pusat Citra A1 32 Tabel 3.10. Hasil Perhitungan Nilai Normalisasi Moment Pusat Citra A2 33 Tabel 3.11. Hasil Perhitungan Nilai Normalisasi Moment Pusat Citra A3 33 Tabel 3.12. Hasil Perhitungan Nilai Normalisasi Moment Pusat Citra A4 33 Tabel 3.13. Hasil Perhitungan Nilai Normalisasi Moment Pusat Citra A5 34 Tabel 3.14. Hasil Perhitungan Nilai Invariant Moment Citra A1 34 Tabel 3.15. Hasil Perhitungan Nilai Invariant Moment Citra A2 34 Tabel 3.16. Hasil Perhitungan Nilai Invariant Moment Citra A3 35 Tabel 3.17. Hasil Perhitungan Nilai Invariant Moment Citra A4 35 Tabel 3.18. Hasil Perhitungan Nilai Invariant Moment Citra A5 35
Tabel 3.19. Hasil Perhitungan PNN 36
DAFTAR GAMBAR
Gambar 2.1. Lokasi Parkir Sebelum Dilakukan Proses Thresholding 12 Gambar 2.2. Lokasi Parkir Setelah Proses Thresholding 12
Gambar 3.1. Arsitektur Umum 24
Gambar 3.2. Data Training 26
Gambar 3.3. Data Testing 26
Gambar 3.4. Proses Saturation Citra 27 Gambar 3.5. Proses Grayscale Citra 27 Gambar 3.6. Proses Thresholding Citra 28 Gambar 3.7. Proses Cropping pada Citra Utuh 29
Gambar 3.8. Hasil Proses Cropping 29
Gambar 3.9. Rancangan Sistem Tampilan Utama 37 Gambar 3.10. Rancangan Sistem Tiket Parkir 38 Gambar 3.11. Rancangan Pengaturan Data Latih 39 Gambar 3.12. Flowchart pengunjung 40
Gambar 4.1. Halaman Utama 42
Gambar 4.2. Tampilan Hasil Akhir 43
Gambar 4.3. Form Tiket 43