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 2014
Universitas Sumatera Utara
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 MEDAN 2014
Universitas Sumatera Utara
PERSETUJUAN
Judul
: KOHONEN NEURAL NETWORK DALAM PENDETEKSIAN
DUPLIKASI
IMAGE
DIGITAL MELALUI DETEKSI GARIS TEPI Kategori Nama Nomor Induk Mahasiswa Program Studi Departemen Fakultas
: : : : : :
SKRIPSI MAHATHIR FEBRIAN 091402131 SARJANA (S1) TEKNOLOGI INFORMASI TEKNOLOGI INFORMASI ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
Diluluskan di Medan, 23 Agustus 2014 Komisi Pembimbing
:
Pembimbing 2
Pembimbing 1
M. Andri Budiman, ST., M.Com.Sc NIP. 197510082008011011
Dr. Erna Budhiarti Nababan, M.IT NIP.
Diketahui/Disetujui oleh Program Studi Teknologi Informasi Ketua,
M. Anggia Muchtar, ST.,MM.IT NIP. 19800110 200801 1 010
Universitas Sumatera Utara
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
MAHATHIR FEBRIAN 091402131
Universitas Sumatera Utara
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.
Universitas Sumatera Utara
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-teman SRC, teman-teman GG, temanteman Telkom, teman-teman PIM, teman-teman Mangga, teman-teman TDK serta teman-teman seluruh angkatan mahasiswa USU lainnya yang tidak dapat penulis sebutkan satu persatu.
Semoga segala kebaikan dan bantuannya dibalas oleh Allah SWT dan semoga tugas akhir ini dapat bermanfaat bagi semua pihak yang memerlukannya.
Universitas Sumatera Utara
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, Edge Linking Algorithm
Universitas Sumatera Utara
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, Edge Linking Algorithm
Universitas Sumatera Utara
DAFTAR ISI
Hal. PERSETUJUAN ......................................................................................................... ii PERNYATAAN .......................................................................................................... iii UCAPAN TERIMA KASIH ..................................................................................... iv ABSTRAK .................................................................................................................. vi ABSTRACT ............................................................................................................... vii DAFTAR ISI............................................................................................................. viii DAFTAR TABEL ....................................................................................................... x DAFTAR GAMBAR ............................................................................................... iiixi BAB 1 PENDAHULUAN ........................................................................................... 1 1.1.
Latar Belakang ...................................................................................... 1
1.2.
Rumusan Masalah ................................................................................. 2
1.3.
Batasan Masalahs .................................................................................. 2
1.4.
Tujuan Penelitian ................................................................................... 3
1.5.
Manfaat Penelitian ................................................................................. 3
1.6.
Metodologi Penelitian ........................................................................... 3
1.7.
Sistematika Penulisan ............................................................................ 5
BAB 2 LANDASAN TEORI ...................................................................................... 6 2.1.
Citra Digital .......................................................................................... 6
2.2.
Pengolahan Citra Digital ....................................................................... 7
2.3.
Edge Linking ......................................................................................... 8
2.4.
Kohonen Neural Network ..................................................................... 8
2.5.
Standard Deviasi ................................................................................. 10
2.6.
Kurtosis ............................................................................................... 10
2.7.
Skweness ............................................................................................. 11
2.8.
Penelitian Terdahulu .......................................................................... 12
BAB 3 ANALISIS DAN PERANCANGAN ........................................................... 13 3.1.
Analisis Sistem.................................................................................... 13 3.1.1 Analisis Fasilitas Sistem ........................................................... 13 3.1.2 Analisis Kebutuhan ................................................................... 14
Universitas Sumatera Utara
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.
4.2.
Implementasi ....................................................................................... 36 4.1.2
Tampilan Hasil ........................................................................ 36
4.1.2
Pengujian Sistem ..................................................................... 37
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 PUSTAKA ................................................................................................ 50 LAMPIRAN KODE PROGRAM ..................................................................... 550 52
Universitas Sumatera Utara
DAFTAR TABEL
Hal. Tabel 2.1 Tabel Penelitian Terdahulu
12
Tabel 3.1 Proses Edge Linking
18
Tabel 3.2 Hasil Garis Tepi Citra A
19
Tabel 3.3 Standard Deviasi, Kurtosis, dan Skweness
25
Tabel 4.1 Hasil Pembandingan Gambar yang mirip
46
Tabel 4.2 Hasil Pembandingan Gambar yang Tidak Mirip
46
Universitas Sumatera Utara
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
Gambar 4.9 Gambar uji3.bmp
41
Gambar 4.10 Gambar uji4.bmp
42
Gambar 4.11 Menginput Gambar Pembanding
42
Gambar 4.12 Menginput Lokasi Pencarian Gambar
43
Gambar 4.13 Mendeteksi Garis Tepi Gambar Pembanding
44
Gambar 4.14 Segmentasi Gambar Dengan Metode Kohonen SOM
44
Gambar 4.15 Hasil Pembanding Gambar
45
Universitas Sumatera Utara
