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
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
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.
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
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,
terusmemberikandukungan dan
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
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.
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.
DAFTAR ISI
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
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
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
DAFTAR TABEL
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 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
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
3.6 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
4.7 Ilustrasi Proses Scale Space dengan Filtering Berkala 46
4.8 Ilustrasi Integral Image 47
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
DAFTAR LAMPIRAN
Lampiran 1 Listing Program A-1
