Identifikasi Plat Nomor Dengan Principal Component Analysis Menggunakan Metode Jaringan Syaraf Tiruan Propagasi Balik
IDENTIFIKASI PLAT NOMOR DENGAN PRINCIPAL
COMPONENT ANALYSIS MENGGUNAKAN METODE
JARINGAN SYARAF TIRUAN PROPAGASI BALIK
IQBAL NURDIANSYAH SAID
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2014
PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA*
Dengan ini saya menyatakan bahwa skripsi berjudul Identifikasi Plat Nomor
Dengan Principal Component Analysis menggunakan Metode Jaringan Syaraf
Tiruan Propagasi Balik adalah benar karya saya dengan arahan dari komisi
pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi
mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan
maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan
dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor, Maret 2014
Iqbal Nurdiansyah Said
NIM G64076030
ABSTRAK
IQBAL NURDIANSYAH SAID. Identifikasi Plat Nomor Dengan Principal
Component Analysis Menggunakan Metode Jaringan Syaraf Tiruan Propagasi
Balik. Dibimbing oleh Dr. Ir. AGUS BUONO, M.Si, M.Kom.
Seiring dengan sangat berkembangnya teknologi pengolahan citra digital
(image processing) menjadikan pengenalan citra plat kendaraan bermotor menjadi
salah satu teknik komputer yang banyak di kembangkan. Mengacu pada penelitian
sebelumnya yang dilakukan oleh Lesmana (2012), penelitian tersebut
menggunakan image centroid and zone (ICZ) untuk mengenali plat kendaraan
yang dapat mereduksi plat dengan rata-rata 82,50%. Data plat yang digunakan
pada penelitian ini adalah plat kendaraan bermotor yang ada pada lingkungan IPB
Baranangsiang diambil menggunakan kamera handphone dengan resolusi 5 mega
pixel (MP). Pada penelitian ini akurasi tebaik 40,99% lebih kecil dari pada
penelitian sebelumnya. Dapat disimpulkan reduksi dengan Principal Component
Analysis (PCA) tidak begitu baik untuk pengolahan citra pada plat nomor
kendaraan.
Kata kunci: Jaringan Syaraf Tiruan, Propagasi Balik, Plat Nomor.
ABSTRACT
IQBAL NURDIANSYAH SAID. Identification Number Plate System Used
Principal Component Analysis With Backpropagation Neural Network.
Supervised by Dr. Ir. AGUS BUONO, M.Si, M.Kom.
Along with the very development of digital image processing technologies
makes identification of motor vehicle plate image into one of the computer
techniques which is often developed. Referring to the previous research done by
Lesmana (2012), the research used the image centroid and zone (ICZ) to
recognize vehicle plates that canreduce plates into the average with 82.50%. Data
plate which is used in this research is plates on motor vehicles in Baranangsiang
IPB taken by amobile phone camera with a resolution 5 megapixel (MP). In this
research, the best accuracy is 40.99% smaller than the previous research. It can be
concluded that the reduction by Principal Component Analysis (PCA) is not very
good for image processing on vehicle number plates.
Keywords: Neural Network, Backpropagation, Number Plate
IDENTIFIKASI PLAT NOMOR DENGAN PRINCIPAL
COMPONENT ANALYSII MENGGUNAKAN METODE
JARINGAN SYARAF TIRUAN PROPAGASI BALIK
IQBAL NURDIANSYAH SAID
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Komputer
pada
Departemen Ilmu Komputer
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2014
Judul Skripsi :Identifikasi Plat Nomor Dengan Principal Component Analysis
Menggunakan Metode Jaringan Syaraf Tiruan Propagasi Balik.
Nama
: Iqbal Nurdiansyah Said
NIM
: G64076030
Disetujui oleh
Dr. Ir. Agus Buono, M.Si, M.Kom.
Pembimbing
Diketahui oleh
Dr. Ir. Agus Buono, M.Si, M.Kom.
Ketua Departemen
Tanggal Lulus:
PRAKATA
Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas
segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang
dipilih dalam penelitian yang dilaksanakan sejak bulan Maret 2010 ini ialah
kekeringan, dengan judul Sebaran Indeks Kekeringan Wilayah Jawa Barat.
Terima kasih penulis ucapkan kepada Bapak Musthofa, S.Kom, M.Sc selaku
pembimbing pertama yangdengan sabar membimbing, memberi saran dan
masukan dalam menyelesaikan skripsi ini dan juga penulis ucapkan kepada Bapak
Dr. Ir. Agus Buono, M.Si, M.Kom yang telah bersedia menjadi pembimbing
pengganti dari pembimbing pertama. Di samping itu, rasa terima kasih juga
penulis sampaikan kepada Ayah, Ibu, serta seluruh keluarga Rifyal Ka’ bah,
Saidah Azzahrah, Abdul Basith, dan Fathiya Muslimah, atas segala doa dan kasih
sayangnya. Terima kasih juga penulis sampaikan kepada seseorang yang telah
mendukung dan memberikan semangat sampai selesainya skripsi ini Amelia Dwi
Citra, kepada teman-teman Ekstensi Ilkom Angkatan 2 Muhammad Luthfi,
Wanodya Eka Pramesti(Wanda), Imam Prasetyo Utomo, dan teman-teman yang
tidak bisa semuanya disebutkan disini, terima kasih atas kebersamaannya dan
bantuannya.
Semoga karya ilmiah ini bermanfaat.
Bogor, Maret 2014
Iqbal Nurdiansyah Said
DAFTAR ISI
DAFTAR TABEL .................................................................................................. vi
DAFTAR GAMBAR .............................................................................................. vi
DAFTAR LAMPIRAN .......................................................................................... vi
PENDAHULUAN .................................................................................................. .1
Latar Belakang ................................................................................................... 1
Tujuan Penelitian ............................................................................................... 1
Manfaat Penelitian ............................................................................................. 1
Ruang Lingkup Penelitian .................................................................................. 2
METODE ................................................................................................................ 2
Pengumpulan Data .............................................................................................. 3
Praproses Citra ................................................................................................... 3
Restorasi dan Perbaikan Citra ............................................................................ 3
Deteksi Tepi ........................................................................................................ 3
Segmentasi Citra .................................................................................................. 3
Pemilihan Ciri ......................................................................................................... 4
PCA .................................................................................................................... 4
Klasifikasi Citra .................................................................................................. 4
Evaluasi dan Analisis Hasil ................................................................................ 4
Lingkungan Pengembangan Sistem .................................................................... 5
HASIL DAN PEMBAHASAN ............................................................................... 5
Pengumpulan Data .............................................................................................. 5
Praproses Citra..................................................................................................... 5
Deteksi Tepi ........................................................................................................ 6
Segmentasi Citra .................................................................................................. 6
Normalisasi Citra ................................................................................................ 7
Ekstraksi Ciri ...................................................................................................... 8
Klasifikasi Citra ................................................................................................... 8
Pengujian Karakter ............................................................................................. 9
Pengujian Plat ................................................................................................... 10
KESIMPULAN DAN SARAN ............................................................................ 11
Kesimpulan ...................................................................................................... 11
Saran ................................................................................................................ 11
DAFTAR PUSTAKA .......................................................................................... 12
LAMPIRAN .......................................................................................................... 13
RIWAYAT HIDUP ............................................................................................... 19
DAFTAR GAMBAR
Skema metode penelitian ................................................................................... 2
Data sampel ........................................................................................................ 5
Hasil deteksi tepi canny ...................................................................................... 6
labeling pada angka nol ..................................................................................... 7
gambar proses segmentasi ................................................................................. 7
Normalisasi karakter .......................................................................................... 8
Akurasi pengujian karakter .............................................................................. 10
Akurasi pengujian plat ...................................................................................... 10
DAFTAR LAMPIRAN
Pengujian karakter dengan 30 hidden layer ...................................................... 13
Pengujian karakter dengan 40 hidden layer ...................................................... 14
Pengujian karakter dengan 50 hidden layer ...................................................... 15
Hasildeteksi karakter dibawah 60% 30 hidden layer........................................ 16
Hasildeteksi karakter dibawah 60% 40 hidden layer........................................ 16
Hasil deteksi karakter dibawah 60% 30 hidden layer....................................... 16
Hasil deteksi plat dengan pengujian pertama .................................................. 17
Hasil deteksi plat dengan pengujian kedua ....................................................... 18
1
PENDAHULUAN
Latar Belakang Masalah
Saat ini teknologi pengolahan citra digital (image processing) sangat
berkembang seiring dengan kemajuan teknologi. Kendaraan juga telah menjadi
aspek penting dalam kehidupan saat ini semua kendaraan harus memiliki identitas
(plat). Salah satu cara untuk mengidentifikasi kendaraan bermotor adalah dengan
dilihat dari plat nomornya. Plat nomor juga disebut plat registrasi kendaraan, atau
di Amerika Serikat dikenal sebagai plat izin (license plate). Bentuknya berupa
potongan plat logam atau plastik yang dipasang pada kendaraan bermotor sebagai
identifikasi resmi yang diletakkan di depan dan belakang bagian kendaraan.
Sistem deteksi dan pengenalan plat nomor kendaraan bermotor secara
otomatis telah menjadi suatu aplikasi yang sangat penting dalam bidang computer
vision. Sistem ini dapat digunakan dalam berbagai aplikasi seperti koleksi data
plat mobil yang melewati jalan tol, traffic surveillance, sistem keamanan parkir
dan sistem lainnya yang membutuhkan pengenalan plat.
Sebelumnya juga telah dilakukan banyak penelitian mengenai hal ini dan
masih terus dikembangkan untuk mencari metode terbaik dalam memecahkan
permasalahan ini.Wahyono (2009) mencoba menggunakan jaringan syaraf tiruan
Learning Vector Quantization sebagai metode klasifikasi. Sedangkan metode
ekstraksi fitur berdasarkan blok pada penelitian tersebut masih banyak kesalahan
pada metode ekstraksi fitur, namun tingkat keberhasilan yang didapat masih
cukup besar yaitu 78%. Lesmana (2012) mencoba menggunakan jaringan syaraf
tiruan backpropagation sebagai metode klasifikasi dan image centroid zone (ICZ)
sebagai ekstraksi ciri. Dari penelitian tersebut didapat rata-rata akurasi lebih baik
82,50%.
Sehubungan dengan itu, penelitian ini dilakukan dengan menggunakan
jaringan syaraf tiruan backpropagation sebagai metode klasifikasi. Adapun
principal component analysis (PCA) digunakan sebagai pemilihan ciri mengacu
pada penelitian sebelumnya yang dilakukan oleh Lesmana (2012).
Oleh karena itu, pada penelitian ini dilakukan percobaan dengan
menggunakan metode pemilihan ciri principal component analysis (PCA) dan
jaringan syaraf tiruan backpropagation untuk dapat dikembangkan menjadi
metode yang lebih baik.
Tujuan Penelitian
Tujuan dilakukannya penelitian ini adalah untuk :
1. Menerapkan metode principal component analysis (PCA) untuk melakukan
pemilihan ciri pada citra plat nomor kendaraan, dan jaringan syaraf tiruan
backpropagation.
2. Menguji tingkat akurasi dari metode yang digunakan.
Manfaat Penelitian
Manfaat dari dilakukannya penelitian ini diharapkan dapat menjadi sebuah
konsep dasar dalam mengembangkan sistem pengenalan plat kendaraan secara
2
otomatis. Dengan itu pada akhirnya dapat menjadi solusi permasalahan pencatatan
data kendaraan, khususnya di Indonesia.
Ruang Lingkup Penelitian
1.
2.
3.
4.
5.
Ruang lingkup dari penelitian ini terbatas pada :
Plat nomor yang dikenali hanya plat nomor mobil selain militer.
Data yang diolah berasal dari citra dengan format JPEG dari penelitian
sebelumnya yang dilakukan oleh Lesmana (2012).
Plat nomor yang digunakan dalam penelitian adalah plat dengan warna dasar
hitam dan warna karakter putih atau kuning.
Karakter yang dikenali adalah huruf alfabet kapital (A sampai Z) dan angka (0
sampai 9).
Pemotretan plat dilakukan dari depan atau belakang kendaraan secara
berhadapan lurus.
METODE
Untuk dapat melakukan penelitian yang baik, maka diperlukan sebuah
metode penelitian yang baik dan terencana. Pada penelitian ini akan dilakukan
identifikasi karakter pada plat nomor kendaraan bermotor. Skema metode
penelitian ini dapat dilihat pada Gambar 1.
START
CITRA
PENGUMPULAN DATA
PRA-PROCESSING CITRA
EKSTRAKSI CIRI PCA
DATA LATIH
DATA UJI
PELATIHAN
MODEL JST
PENGUJIAN
HASIL
ANALISA
END
Gambar 1 Skema metode penelitian
3
Pengumpulan Data
Data yang digunakan pada penelitian ini merupakan data yang sama yang
digunakan oleh Lesmana (2012), berupa citra yang diambil menggunakan kamera
handphone dengan resolusi sebesar 5 MP.
Pra-proses citra
Agar citra dapat dilakukan pemilihan dan dilakukan pengenalan pola, maka
perlu melalui tahap pra-proses terlebih dahulu. Data yang didapat dari proses
pengumpulan sebelumnya merupakan citra dengan format warna RGB. Dalam
proses identifikasi karakter pada plat nomor tidak perlu memperhatikan perbedaan
warna RGB. Oleh karena itu, akan lebih efisien jika diubah ke dalam format
grayscale. Proses konversi dalam format grayscale dapat menggunakan rumus:
Grayscale = 0.2989 * R + 0.5870 * G + 0.1140 * B
Dimana R, G, dan B merupakan intensitas dari masing-masing warna
merah, hijau, dan biru pada citra. Dengan mengkonversi format warna ke
grayscale tentu saja dapat mempercepat komputasi pada tahap berikutnya
(Gonzales, et al 2003).
Restorasi dan Perbaikan Citra
Pada dasarnya citra yang diambil menggunakan sebuah kamera terkadang
memiliki noise yang dapat mengurangi kualitas citra dan menghilangkan
informasi yang diperlukan dalam proses pengenalan karakter. Oleh karena itu,
perlu dilakukan restorasi menggunakan filter yang ada, salah satunya adalah filter
median yang cukup efisien dalam merestorasi citra dengan noise bertipe salt &
pepper. Untuk lebih meningkatkan kualitas citra juga dapat dilakukan proses
sharpening atau smoothing sesuai dengan kebutuhannya.
Deteksi Tepi
Jika citra sudah bersih dari noise, maka selanjutnya dilakukan proses
pendeteksian tepi. Algoritma deteksi tepi Canny kuat terhadap noise dan pada saat
yang sama dapat mendeteksi tepi dengan error yang kecil (Acharya & Ray 2005).
Setiap objek yang ada pada citra akan dideteksi menggunakan algoritma Canny.
Algoritma ini dipilih karena cukup baik dalam mendeteksi tepi. Selain memiliki
kemampuan untuk meletakkan dan menandai semua tepi yang ada sesuai dengan
pemilihan parameter-parameter konvolusi yang dilakukan, algoritma Canny juga
memberikan fleksibilitas yang sangat tinggi dalam hal menentukan tingkat deteksi
ketebalan tepi sesuai dengan yang kita inginkan.
Segmentasi Citra
Dalam identifikasi karakter pada plat nomor perlu dilakukan segmentasi
citra untuk mengeliminasi objek yang tidak diperlukan dan memilih mana objek
yang merupakan karakter dan mana yang bukan. Hal tersebut dilakukan dengan
melakukan segmentasi citra berdasarkan area. Objek yang memiliki piksel-piksel
yang terhubung akan dianggap menjadi satu area. Masing-masing area tersebut
akan diberi label untuk kemudian dihitung luas areanya satu per satu. Untuk
4
mendeteksi apakah suatu pixel terhubung dengan pixel tetangganya menggunakan
metode 8-connected.
{(x-1, y-1), (x-1,y), (x-1,y-1), (x,y-1), (x,y+1), (x+1,y-1), (x+1,y),
(x+1,y+1)}
Selanjutnya akan ditentukan suatu batas yang menjadi acuan untuk menduga
apakah objek tersebut merupakan karakter atau bukan berdasarkan luas areanya.
Pemilihan Ciri
Tahapan ini dilakukan untuk mendapatkan fitur yang menjadi ciri dari setiap
karakter pada plat nomor. Fitur tersebut nantinya akan menjadi acuan dalam
proses klasifikasi dan pengenalan pola.
Dalam penelitian ini pendekatan yang digunakan adalah pemilihan fitur
berbasis area, yaitu Principel Component Analysis
PCA
Data yang dimasukkan pada ekstraksi ciri PCA haruslah dalam bentuk
vektor. Matriks gambar harus divektorisasi dahulu sebelum dapat dipilih cirinya.
Semua vektor kemudian akan digabungkan dalam satu matriks besar. Matriks baru
ini selanjutnya akan dipilih cirinya menggunakan fungsi PCA yang telah ada
dalam Matlab.
Pemilihan Citra
Untuk dapat mengklasifikasikan karakter pada plat nomor diperlukan suatu
struktur neural network dengan output sebanyak 36 (26 huruf dan 10 angka).
Input yang diperlukan akan bergantung pada banyaknya elemen vektor yang
dihasilkan pada tahap pemilihan ciri di atas.
Dalam melakukan pelatihan dan pengujian data, karakter akan diambil satu
per satu dari kumpulan citra plat yang ada. Setiap karakter yang akan dilatih harus
dipastikan memiliki luas area (dimensi) yang sama satu sama lain.
Jaringan syaraf tiruan dengan metode backpropagation cocok diterapkan
dalam penelitian ini. Walaupun dalam komputasi metode ini terbilang cukup
memakan waktu yang lama, namun justru metode tersebut yang diperlukan untuk
menutupi apabila terjadi kekurangan pada proses pemilihan ciri.
Evaluasi dan Analisis Hasil
Tahap ini merupakan tahap terakhir untuk mengevaluasi kekurangan dan
kelebihan dari metode yang digunakan. Hal tersebut dilihat dari perbandingan
hasil klasifikasi citra dengan nomor polisi aslinya. Hasil yang tidak sesuai maupun
sesuai dicatat untuk menentukan seberapa besar akurasi dari metode ini. Untuk
menghitung akurasi dapat menggunakan rumus:
nbenar
n
: Jumlah citra yang dideteksi benar.
: Jumlah data yang ada.
5
Lingkungan Pengembangan Sistem
Proses pengerjaan penelitian ini menggunakan perangkat keras dan
perangkat lunak dengan spesifikasi perangkat keras berupa notebook sebagai
berikut:
Processor Intel Pentium Dual-Core 1.73GHz,
RAMkapasitas1 GB,
Harddisk kapasitas 150GB,
Monitor dengan resolusi 1280x800 piksel.
Perangkat lunak berupa:
Sistem operasi Microsoft Windows Vista.
Aplikasi pemrograman Matlab R2008b.
HASIL DAN PEMBAHASAN
Pengumpulan Data
Dalam penelitian ini tentunya data yang diperlukan adalah data berupa citra.
Data tersebut didapat dengan melakukan pemotretan mobil sebanyak 100 unit dan
secara otomatis akan didapatkan pula 100 buah citra plat nomor yang unik.
Pemotretan dilakukan di halaman parkir kampus IPB Baranangsiang, Bogor.
Dari 100 buah citra yang ada kemudian diambil potongan karakter yang
mewakili angka dan huruf pada plat nomor. Untuk masing-masing karakter
diambil secara unik dan acak sebanyak 50 buah. Seperti kita ketahui, jumlah
angka (0-9) dan huruf (A-Z) yang ada adalah 36 karakter, berarti akan didapat
1800 karakter yang nantinya akan dijadikan sebagai data latih dan data uji. Selain
itu, citra plat nomor yang ada juga akan dijadikan sebagai data uji. Contoh data
sampel dapat dilihat pada Gambar 2.
Gambar 2 Data sample
Pra-proses Citra
Foto yang didapat dari proses pengumpulan data tidak semuanya memiliki
kualitas yang baik. Sangat memungkinkan ditemukan noise yang dapat
mengurangi akurasi dalam pendeteksian karakter. Selain itu masih banyak
informasi pada citra yang tidak dibutuhkan dan dapat memperlambat proses
pendeteksian. Untuk itu perlu dilakukan optimalisasi, sehingga pada akhirnya data
yang ada sudah siap untuk diproses.
Pada awalnya didapat foto dengan model warna RGB. Model warna tersebut
terlalu kompleks karena menggunakan tiga layer warna, yaitu Red, Green, dan
Blue. Untuk itu dilakukan konversi dari warna RGB menjadi grayscale. Proses
6
konversi tersebut dilakukan dengan menghilangkan informasi hue dan saturation,
sedangkan informasi luminance pada citra dipertahankan.
Langkah berikutnya adalah membersihkan noise menggunakan media filter.
Metode ini sangat cocok untuk menghilangkan noise berupa salt & pepper. Jika
kita melihat dengan kasat mata salt & pepper akan terlihat seperti bintik warna
hitam atau putih. Kali ini digunakan media filter dua dimensi dengan batas
matriks 3x3. Nilai pixel akan dirubah dengan membandingkan pixel tujuan dengan
pixel tetangga, kemudian dicari nilai tengah dari pixel tersebut. Banyaknya pixel
yang dibandingkan tergantung pada ukuran matriks yang telah ditentukan sebagai
batasnya.
Deteksi Tepi
Proses deteksi dilakukan menggunakan metode canny’s edge detection
dengan threshold 0,5. Nilai threshold ini mempengaruhi seberapa detail proses
deteksi tepi yang akan dilakukan. Hal ini merupakan salah satu kelebihan dari
metode canny.
Tahapan ini akan menghasilkan citra biner yang merepresentasikan garis
tepi dari setiap objek pada citra. Garis tepi inilah yang nantiya akan digunakan
untuk memisahkan karakter yang diperlukan dengan objek lainnya. Dengan
didapatnya garis tepi disetiap objek, maka akan mempercepat pemrosesan citra
dan lebih efisien. Hasil deteksi tepi menggunakan metode canny pada salah satu
plat nomor dapat dilihat pada Gambar 3.
Gambar 3 Hasil deteksi tepi canny
Segmentasi Citra
Segmentasi citra dilakukan untuk memisahkan informasi yang akan diproses
lebih lanjut. Pada penelitian ini informasi yang akan diproses adalah pixel-pixel
yang mewakili angka dan huruf. Perlu dilakukan mana pixel yang mewakili huruf
atau angka dan mana yang bukan keduanya.
Langkah-langkah yang dilakukan dalam melakukan proses segmentasi
adalah:
1. Langkah pertama dengan melakukan labeling, yaitu pengelompokan pixel
yang terhubung dengan memperhatikan 8 pixel tetangganya. Setiap pixel
yang terhubung akan dikelompokan dan diberi label.
2. Kemudian setelah kita ketahui panjang dan lebar area untuk masingmasing label. Kedua variabel ini yang akan dijadikan sebagai parameter
untuk memprediksi mana pixel yang mewakili huruf dan angka. Setiap
label akan diukur panjang dan lebar areanya dengan kondisi sebagai
berikut:
If 105 pixel
COMPONENT ANALYSIS MENGGUNAKAN METODE
JARINGAN SYARAF TIRUAN PROPAGASI BALIK
IQBAL NURDIANSYAH SAID
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2014
PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA*
Dengan ini saya menyatakan bahwa skripsi berjudul Identifikasi Plat Nomor
Dengan Principal Component Analysis menggunakan Metode Jaringan Syaraf
Tiruan Propagasi Balik adalah benar karya saya dengan arahan dari komisi
pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi
mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan
maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan
dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor, Maret 2014
Iqbal Nurdiansyah Said
NIM G64076030
ABSTRAK
IQBAL NURDIANSYAH SAID. Identifikasi Plat Nomor Dengan Principal
Component Analysis Menggunakan Metode Jaringan Syaraf Tiruan Propagasi
Balik. Dibimbing oleh Dr. Ir. AGUS BUONO, M.Si, M.Kom.
Seiring dengan sangat berkembangnya teknologi pengolahan citra digital
(image processing) menjadikan pengenalan citra plat kendaraan bermotor menjadi
salah satu teknik komputer yang banyak di kembangkan. Mengacu pada penelitian
sebelumnya yang dilakukan oleh Lesmana (2012), penelitian tersebut
menggunakan image centroid and zone (ICZ) untuk mengenali plat kendaraan
yang dapat mereduksi plat dengan rata-rata 82,50%. Data plat yang digunakan
pada penelitian ini adalah plat kendaraan bermotor yang ada pada lingkungan IPB
Baranangsiang diambil menggunakan kamera handphone dengan resolusi 5 mega
pixel (MP). Pada penelitian ini akurasi tebaik 40,99% lebih kecil dari pada
penelitian sebelumnya. Dapat disimpulkan reduksi dengan Principal Component
Analysis (PCA) tidak begitu baik untuk pengolahan citra pada plat nomor
kendaraan.
Kata kunci: Jaringan Syaraf Tiruan, Propagasi Balik, Plat Nomor.
ABSTRACT
IQBAL NURDIANSYAH SAID. Identification Number Plate System Used
Principal Component Analysis With Backpropagation Neural Network.
Supervised by Dr. Ir. AGUS BUONO, M.Si, M.Kom.
Along with the very development of digital image processing technologies
makes identification of motor vehicle plate image into one of the computer
techniques which is often developed. Referring to the previous research done by
Lesmana (2012), the research used the image centroid and zone (ICZ) to
recognize vehicle plates that canreduce plates into the average with 82.50%. Data
plate which is used in this research is plates on motor vehicles in Baranangsiang
IPB taken by amobile phone camera with a resolution 5 megapixel (MP). In this
research, the best accuracy is 40.99% smaller than the previous research. It can be
concluded that the reduction by Principal Component Analysis (PCA) is not very
good for image processing on vehicle number plates.
Keywords: Neural Network, Backpropagation, Number Plate
IDENTIFIKASI PLAT NOMOR DENGAN PRINCIPAL
COMPONENT ANALYSII MENGGUNAKAN METODE
JARINGAN SYARAF TIRUAN PROPAGASI BALIK
IQBAL NURDIANSYAH SAID
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Komputer
pada
Departemen Ilmu Komputer
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2014
Judul Skripsi :Identifikasi Plat Nomor Dengan Principal Component Analysis
Menggunakan Metode Jaringan Syaraf Tiruan Propagasi Balik.
Nama
: Iqbal Nurdiansyah Said
NIM
: G64076030
Disetujui oleh
Dr. Ir. Agus Buono, M.Si, M.Kom.
Pembimbing
Diketahui oleh
Dr. Ir. Agus Buono, M.Si, M.Kom.
Ketua Departemen
Tanggal Lulus:
PRAKATA
Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas
segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang
dipilih dalam penelitian yang dilaksanakan sejak bulan Maret 2010 ini ialah
kekeringan, dengan judul Sebaran Indeks Kekeringan Wilayah Jawa Barat.
Terima kasih penulis ucapkan kepada Bapak Musthofa, S.Kom, M.Sc selaku
pembimbing pertama yangdengan sabar membimbing, memberi saran dan
masukan dalam menyelesaikan skripsi ini dan juga penulis ucapkan kepada Bapak
Dr. Ir. Agus Buono, M.Si, M.Kom yang telah bersedia menjadi pembimbing
pengganti dari pembimbing pertama. Di samping itu, rasa terima kasih juga
penulis sampaikan kepada Ayah, Ibu, serta seluruh keluarga Rifyal Ka’ bah,
Saidah Azzahrah, Abdul Basith, dan Fathiya Muslimah, atas segala doa dan kasih
sayangnya. Terima kasih juga penulis sampaikan kepada seseorang yang telah
mendukung dan memberikan semangat sampai selesainya skripsi ini Amelia Dwi
Citra, kepada teman-teman Ekstensi Ilkom Angkatan 2 Muhammad Luthfi,
Wanodya Eka Pramesti(Wanda), Imam Prasetyo Utomo, dan teman-teman yang
tidak bisa semuanya disebutkan disini, terima kasih atas kebersamaannya dan
bantuannya.
Semoga karya ilmiah ini bermanfaat.
Bogor, Maret 2014
Iqbal Nurdiansyah Said
DAFTAR ISI
DAFTAR TABEL .................................................................................................. vi
DAFTAR GAMBAR .............................................................................................. vi
DAFTAR LAMPIRAN .......................................................................................... vi
PENDAHULUAN .................................................................................................. .1
Latar Belakang ................................................................................................... 1
Tujuan Penelitian ............................................................................................... 1
Manfaat Penelitian ............................................................................................. 1
Ruang Lingkup Penelitian .................................................................................. 2
METODE ................................................................................................................ 2
Pengumpulan Data .............................................................................................. 3
Praproses Citra ................................................................................................... 3
Restorasi dan Perbaikan Citra ............................................................................ 3
Deteksi Tepi ........................................................................................................ 3
Segmentasi Citra .................................................................................................. 3
Pemilihan Ciri ......................................................................................................... 4
PCA .................................................................................................................... 4
Klasifikasi Citra .................................................................................................. 4
Evaluasi dan Analisis Hasil ................................................................................ 4
Lingkungan Pengembangan Sistem .................................................................... 5
HASIL DAN PEMBAHASAN ............................................................................... 5
Pengumpulan Data .............................................................................................. 5
Praproses Citra..................................................................................................... 5
Deteksi Tepi ........................................................................................................ 6
Segmentasi Citra .................................................................................................. 6
Normalisasi Citra ................................................................................................ 7
Ekstraksi Ciri ...................................................................................................... 8
Klasifikasi Citra ................................................................................................... 8
Pengujian Karakter ............................................................................................. 9
Pengujian Plat ................................................................................................... 10
KESIMPULAN DAN SARAN ............................................................................ 11
Kesimpulan ...................................................................................................... 11
Saran ................................................................................................................ 11
DAFTAR PUSTAKA .......................................................................................... 12
LAMPIRAN .......................................................................................................... 13
RIWAYAT HIDUP ............................................................................................... 19
DAFTAR GAMBAR
Skema metode penelitian ................................................................................... 2
Data sampel ........................................................................................................ 5
Hasil deteksi tepi canny ...................................................................................... 6
labeling pada angka nol ..................................................................................... 7
gambar proses segmentasi ................................................................................. 7
Normalisasi karakter .......................................................................................... 8
Akurasi pengujian karakter .............................................................................. 10
Akurasi pengujian plat ...................................................................................... 10
DAFTAR LAMPIRAN
Pengujian karakter dengan 30 hidden layer ...................................................... 13
Pengujian karakter dengan 40 hidden layer ...................................................... 14
Pengujian karakter dengan 50 hidden layer ...................................................... 15
Hasildeteksi karakter dibawah 60% 30 hidden layer........................................ 16
Hasildeteksi karakter dibawah 60% 40 hidden layer........................................ 16
Hasil deteksi karakter dibawah 60% 30 hidden layer....................................... 16
Hasil deteksi plat dengan pengujian pertama .................................................. 17
Hasil deteksi plat dengan pengujian kedua ....................................................... 18
1
PENDAHULUAN
Latar Belakang Masalah
Saat ini teknologi pengolahan citra digital (image processing) sangat
berkembang seiring dengan kemajuan teknologi. Kendaraan juga telah menjadi
aspek penting dalam kehidupan saat ini semua kendaraan harus memiliki identitas
(plat). Salah satu cara untuk mengidentifikasi kendaraan bermotor adalah dengan
dilihat dari plat nomornya. Plat nomor juga disebut plat registrasi kendaraan, atau
di Amerika Serikat dikenal sebagai plat izin (license plate). Bentuknya berupa
potongan plat logam atau plastik yang dipasang pada kendaraan bermotor sebagai
identifikasi resmi yang diletakkan di depan dan belakang bagian kendaraan.
Sistem deteksi dan pengenalan plat nomor kendaraan bermotor secara
otomatis telah menjadi suatu aplikasi yang sangat penting dalam bidang computer
vision. Sistem ini dapat digunakan dalam berbagai aplikasi seperti koleksi data
plat mobil yang melewati jalan tol, traffic surveillance, sistem keamanan parkir
dan sistem lainnya yang membutuhkan pengenalan plat.
Sebelumnya juga telah dilakukan banyak penelitian mengenai hal ini dan
masih terus dikembangkan untuk mencari metode terbaik dalam memecahkan
permasalahan ini.Wahyono (2009) mencoba menggunakan jaringan syaraf tiruan
Learning Vector Quantization sebagai metode klasifikasi. Sedangkan metode
ekstraksi fitur berdasarkan blok pada penelitian tersebut masih banyak kesalahan
pada metode ekstraksi fitur, namun tingkat keberhasilan yang didapat masih
cukup besar yaitu 78%. Lesmana (2012) mencoba menggunakan jaringan syaraf
tiruan backpropagation sebagai metode klasifikasi dan image centroid zone (ICZ)
sebagai ekstraksi ciri. Dari penelitian tersebut didapat rata-rata akurasi lebih baik
82,50%.
Sehubungan dengan itu, penelitian ini dilakukan dengan menggunakan
jaringan syaraf tiruan backpropagation sebagai metode klasifikasi. Adapun
principal component analysis (PCA) digunakan sebagai pemilihan ciri mengacu
pada penelitian sebelumnya yang dilakukan oleh Lesmana (2012).
Oleh karena itu, pada penelitian ini dilakukan percobaan dengan
menggunakan metode pemilihan ciri principal component analysis (PCA) dan
jaringan syaraf tiruan backpropagation untuk dapat dikembangkan menjadi
metode yang lebih baik.
Tujuan Penelitian
Tujuan dilakukannya penelitian ini adalah untuk :
1. Menerapkan metode principal component analysis (PCA) untuk melakukan
pemilihan ciri pada citra plat nomor kendaraan, dan jaringan syaraf tiruan
backpropagation.
2. Menguji tingkat akurasi dari metode yang digunakan.
Manfaat Penelitian
Manfaat dari dilakukannya penelitian ini diharapkan dapat menjadi sebuah
konsep dasar dalam mengembangkan sistem pengenalan plat kendaraan secara
2
otomatis. Dengan itu pada akhirnya dapat menjadi solusi permasalahan pencatatan
data kendaraan, khususnya di Indonesia.
Ruang Lingkup Penelitian
1.
2.
3.
4.
5.
Ruang lingkup dari penelitian ini terbatas pada :
Plat nomor yang dikenali hanya plat nomor mobil selain militer.
Data yang diolah berasal dari citra dengan format JPEG dari penelitian
sebelumnya yang dilakukan oleh Lesmana (2012).
Plat nomor yang digunakan dalam penelitian adalah plat dengan warna dasar
hitam dan warna karakter putih atau kuning.
Karakter yang dikenali adalah huruf alfabet kapital (A sampai Z) dan angka (0
sampai 9).
Pemotretan plat dilakukan dari depan atau belakang kendaraan secara
berhadapan lurus.
METODE
Untuk dapat melakukan penelitian yang baik, maka diperlukan sebuah
metode penelitian yang baik dan terencana. Pada penelitian ini akan dilakukan
identifikasi karakter pada plat nomor kendaraan bermotor. Skema metode
penelitian ini dapat dilihat pada Gambar 1.
START
CITRA
PENGUMPULAN DATA
PRA-PROCESSING CITRA
EKSTRAKSI CIRI PCA
DATA LATIH
DATA UJI
PELATIHAN
MODEL JST
PENGUJIAN
HASIL
ANALISA
END
Gambar 1 Skema metode penelitian
3
Pengumpulan Data
Data yang digunakan pada penelitian ini merupakan data yang sama yang
digunakan oleh Lesmana (2012), berupa citra yang diambil menggunakan kamera
handphone dengan resolusi sebesar 5 MP.
Pra-proses citra
Agar citra dapat dilakukan pemilihan dan dilakukan pengenalan pola, maka
perlu melalui tahap pra-proses terlebih dahulu. Data yang didapat dari proses
pengumpulan sebelumnya merupakan citra dengan format warna RGB. Dalam
proses identifikasi karakter pada plat nomor tidak perlu memperhatikan perbedaan
warna RGB. Oleh karena itu, akan lebih efisien jika diubah ke dalam format
grayscale. Proses konversi dalam format grayscale dapat menggunakan rumus:
Grayscale = 0.2989 * R + 0.5870 * G + 0.1140 * B
Dimana R, G, dan B merupakan intensitas dari masing-masing warna
merah, hijau, dan biru pada citra. Dengan mengkonversi format warna ke
grayscale tentu saja dapat mempercepat komputasi pada tahap berikutnya
(Gonzales, et al 2003).
Restorasi dan Perbaikan Citra
Pada dasarnya citra yang diambil menggunakan sebuah kamera terkadang
memiliki noise yang dapat mengurangi kualitas citra dan menghilangkan
informasi yang diperlukan dalam proses pengenalan karakter. Oleh karena itu,
perlu dilakukan restorasi menggunakan filter yang ada, salah satunya adalah filter
median yang cukup efisien dalam merestorasi citra dengan noise bertipe salt &
pepper. Untuk lebih meningkatkan kualitas citra juga dapat dilakukan proses
sharpening atau smoothing sesuai dengan kebutuhannya.
Deteksi Tepi
Jika citra sudah bersih dari noise, maka selanjutnya dilakukan proses
pendeteksian tepi. Algoritma deteksi tepi Canny kuat terhadap noise dan pada saat
yang sama dapat mendeteksi tepi dengan error yang kecil (Acharya & Ray 2005).
Setiap objek yang ada pada citra akan dideteksi menggunakan algoritma Canny.
Algoritma ini dipilih karena cukup baik dalam mendeteksi tepi. Selain memiliki
kemampuan untuk meletakkan dan menandai semua tepi yang ada sesuai dengan
pemilihan parameter-parameter konvolusi yang dilakukan, algoritma Canny juga
memberikan fleksibilitas yang sangat tinggi dalam hal menentukan tingkat deteksi
ketebalan tepi sesuai dengan yang kita inginkan.
Segmentasi Citra
Dalam identifikasi karakter pada plat nomor perlu dilakukan segmentasi
citra untuk mengeliminasi objek yang tidak diperlukan dan memilih mana objek
yang merupakan karakter dan mana yang bukan. Hal tersebut dilakukan dengan
melakukan segmentasi citra berdasarkan area. Objek yang memiliki piksel-piksel
yang terhubung akan dianggap menjadi satu area. Masing-masing area tersebut
akan diberi label untuk kemudian dihitung luas areanya satu per satu. Untuk
4
mendeteksi apakah suatu pixel terhubung dengan pixel tetangganya menggunakan
metode 8-connected.
{(x-1, y-1), (x-1,y), (x-1,y-1), (x,y-1), (x,y+1), (x+1,y-1), (x+1,y),
(x+1,y+1)}
Selanjutnya akan ditentukan suatu batas yang menjadi acuan untuk menduga
apakah objek tersebut merupakan karakter atau bukan berdasarkan luas areanya.
Pemilihan Ciri
Tahapan ini dilakukan untuk mendapatkan fitur yang menjadi ciri dari setiap
karakter pada plat nomor. Fitur tersebut nantinya akan menjadi acuan dalam
proses klasifikasi dan pengenalan pola.
Dalam penelitian ini pendekatan yang digunakan adalah pemilihan fitur
berbasis area, yaitu Principel Component Analysis
PCA
Data yang dimasukkan pada ekstraksi ciri PCA haruslah dalam bentuk
vektor. Matriks gambar harus divektorisasi dahulu sebelum dapat dipilih cirinya.
Semua vektor kemudian akan digabungkan dalam satu matriks besar. Matriks baru
ini selanjutnya akan dipilih cirinya menggunakan fungsi PCA yang telah ada
dalam Matlab.
Pemilihan Citra
Untuk dapat mengklasifikasikan karakter pada plat nomor diperlukan suatu
struktur neural network dengan output sebanyak 36 (26 huruf dan 10 angka).
Input yang diperlukan akan bergantung pada banyaknya elemen vektor yang
dihasilkan pada tahap pemilihan ciri di atas.
Dalam melakukan pelatihan dan pengujian data, karakter akan diambil satu
per satu dari kumpulan citra plat yang ada. Setiap karakter yang akan dilatih harus
dipastikan memiliki luas area (dimensi) yang sama satu sama lain.
Jaringan syaraf tiruan dengan metode backpropagation cocok diterapkan
dalam penelitian ini. Walaupun dalam komputasi metode ini terbilang cukup
memakan waktu yang lama, namun justru metode tersebut yang diperlukan untuk
menutupi apabila terjadi kekurangan pada proses pemilihan ciri.
Evaluasi dan Analisis Hasil
Tahap ini merupakan tahap terakhir untuk mengevaluasi kekurangan dan
kelebihan dari metode yang digunakan. Hal tersebut dilihat dari perbandingan
hasil klasifikasi citra dengan nomor polisi aslinya. Hasil yang tidak sesuai maupun
sesuai dicatat untuk menentukan seberapa besar akurasi dari metode ini. Untuk
menghitung akurasi dapat menggunakan rumus:
nbenar
n
: Jumlah citra yang dideteksi benar.
: Jumlah data yang ada.
5
Lingkungan Pengembangan Sistem
Proses pengerjaan penelitian ini menggunakan perangkat keras dan
perangkat lunak dengan spesifikasi perangkat keras berupa notebook sebagai
berikut:
Processor Intel Pentium Dual-Core 1.73GHz,
RAMkapasitas1 GB,
Harddisk kapasitas 150GB,
Monitor dengan resolusi 1280x800 piksel.
Perangkat lunak berupa:
Sistem operasi Microsoft Windows Vista.
Aplikasi pemrograman Matlab R2008b.
HASIL DAN PEMBAHASAN
Pengumpulan Data
Dalam penelitian ini tentunya data yang diperlukan adalah data berupa citra.
Data tersebut didapat dengan melakukan pemotretan mobil sebanyak 100 unit dan
secara otomatis akan didapatkan pula 100 buah citra plat nomor yang unik.
Pemotretan dilakukan di halaman parkir kampus IPB Baranangsiang, Bogor.
Dari 100 buah citra yang ada kemudian diambil potongan karakter yang
mewakili angka dan huruf pada plat nomor. Untuk masing-masing karakter
diambil secara unik dan acak sebanyak 50 buah. Seperti kita ketahui, jumlah
angka (0-9) dan huruf (A-Z) yang ada adalah 36 karakter, berarti akan didapat
1800 karakter yang nantinya akan dijadikan sebagai data latih dan data uji. Selain
itu, citra plat nomor yang ada juga akan dijadikan sebagai data uji. Contoh data
sampel dapat dilihat pada Gambar 2.
Gambar 2 Data sample
Pra-proses Citra
Foto yang didapat dari proses pengumpulan data tidak semuanya memiliki
kualitas yang baik. Sangat memungkinkan ditemukan noise yang dapat
mengurangi akurasi dalam pendeteksian karakter. Selain itu masih banyak
informasi pada citra yang tidak dibutuhkan dan dapat memperlambat proses
pendeteksian. Untuk itu perlu dilakukan optimalisasi, sehingga pada akhirnya data
yang ada sudah siap untuk diproses.
Pada awalnya didapat foto dengan model warna RGB. Model warna tersebut
terlalu kompleks karena menggunakan tiga layer warna, yaitu Red, Green, dan
Blue. Untuk itu dilakukan konversi dari warna RGB menjadi grayscale. Proses
6
konversi tersebut dilakukan dengan menghilangkan informasi hue dan saturation,
sedangkan informasi luminance pada citra dipertahankan.
Langkah berikutnya adalah membersihkan noise menggunakan media filter.
Metode ini sangat cocok untuk menghilangkan noise berupa salt & pepper. Jika
kita melihat dengan kasat mata salt & pepper akan terlihat seperti bintik warna
hitam atau putih. Kali ini digunakan media filter dua dimensi dengan batas
matriks 3x3. Nilai pixel akan dirubah dengan membandingkan pixel tujuan dengan
pixel tetangga, kemudian dicari nilai tengah dari pixel tersebut. Banyaknya pixel
yang dibandingkan tergantung pada ukuran matriks yang telah ditentukan sebagai
batasnya.
Deteksi Tepi
Proses deteksi dilakukan menggunakan metode canny’s edge detection
dengan threshold 0,5. Nilai threshold ini mempengaruhi seberapa detail proses
deteksi tepi yang akan dilakukan. Hal ini merupakan salah satu kelebihan dari
metode canny.
Tahapan ini akan menghasilkan citra biner yang merepresentasikan garis
tepi dari setiap objek pada citra. Garis tepi inilah yang nantiya akan digunakan
untuk memisahkan karakter yang diperlukan dengan objek lainnya. Dengan
didapatnya garis tepi disetiap objek, maka akan mempercepat pemrosesan citra
dan lebih efisien. Hasil deteksi tepi menggunakan metode canny pada salah satu
plat nomor dapat dilihat pada Gambar 3.
Gambar 3 Hasil deteksi tepi canny
Segmentasi Citra
Segmentasi citra dilakukan untuk memisahkan informasi yang akan diproses
lebih lanjut. Pada penelitian ini informasi yang akan diproses adalah pixel-pixel
yang mewakili angka dan huruf. Perlu dilakukan mana pixel yang mewakili huruf
atau angka dan mana yang bukan keduanya.
Langkah-langkah yang dilakukan dalam melakukan proses segmentasi
adalah:
1. Langkah pertama dengan melakukan labeling, yaitu pengelompokan pixel
yang terhubung dengan memperhatikan 8 pixel tetangganya. Setiap pixel
yang terhubung akan dikelompokan dan diberi label.
2. Kemudian setelah kita ketahui panjang dan lebar area untuk masingmasing label. Kedua variabel ini yang akan dijadikan sebagai parameter
untuk memprediksi mana pixel yang mewakili huruf dan angka. Setiap
label akan diukur panjang dan lebar areanya dengan kondisi sebagai
berikut:
If 105 pixel