Temu Kembali Citra Wajah berdasarkan Pengukuran Kemiripan Fitur dengan Menggunakan Jaringan Bayesian

  

TEMU KEMBALI CITRA WAJAH BERDASARKAN

PENGUKURAN KEMIRIPAN FITUR DENGAN

MENGGUNAKAN JARINGAN BAYESIAN

TESIS

HENDRIK SIAGIAN

107038003

  

PROGRAM STUDI S2 TEKNIK INFORMATIKA

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

MEDAN

2013

TEMU KEMBALI CITRA WAJAH BERDASARKAN PENGUKURAN KEMIRIPAN FITUR DENGAN MENGGUNAKAN JARINGAN BAYESIAN TESIS

  Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Magister Teknik Informatika

HENDRIK SIAGIAN 107038003 PROGRAM STUDI S2 TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2013

  PENGESAHAN Judul : TEMU KEMBALI CITRA WAJAH BERDASARKAN

  PENGUKURAN KEMIRIPAN FITUR DENGAN MENGGUNAKAN JARINGAN BAYESIAN Kategori : TESIS Nama : HENDRIK SIAGIAN Nomor Induk Mahasiswa : 107038003 Program Studi : S2 TEKNIK INFORMATIKA Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

  UNIVERSITAS SUMATERA UTARA Komisi Pembimbing : Pembimbing 2 Pembimbing 1 Prof. Dr. Muhammad Zarlis Dr. Poltak Sihombing, M.Kom Diketahui/disetujui oleh Program Studi S2 Teknik Informatika Ketua, Prof. Dr. Muhammad Zarlis NIP: 19570701 198601 1 003

  

PERNYATAAN

TEMU KEMBALI CITRA WAJAH BERDASARKAN

PENGUKURAN KEMIRIPAN FITUR DENGAN

MENGGUNAKAN JARINGAN BAYESIAN

TESIS

  Saya mengakui bahwa tesis ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.

  Medan, 28 Agustus 2013 Hendrik Siagian NIM. 107038003

  

PERNYATAAN PERSETUJUAN PUBLIKASI

KARYA ILMIAH UNTUK KEPENTINGAN

AKADEMIS

  Sebagai sivitas akademika Universitas Sumatera Utara, saya yang bertanda tangan di bawah ini : Nama : Hendrik Siagian NIM : 107038003 Program Studi : S2 Teknik Informatika Jenis Karya Ilmiah : Tesis

  Demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada Universitas Sumatera Utara Hak Bebas Royati Non-Eksklusif (Non-Exclusive Royalty

  Free Right ) atas tesis saya yang berjudul:

TEMU KEMBALI CITRA WAJAH BERDASARKAN

PENGUKURAN KEMIRIPAN FITUR DENGAN

MENGGUNAKAN JARINGAN BAYESIAN

  Beserta perangkat yang ada (jika diperlukan). Dengan Hak Bebas Royalti Non- Eksklusif ini, Universitas Sumatera Utara berhak menyimpan, mengalih media, memformat, mengelola dalam bentuk database, merawat dan mempublikasikan tesis saya tanpa meminta izin dari saya selama tetap mencantumkan nama saya sebagai penulis dan sebagai pemegang dan/atau sebagai pemilik hak cipta.

  Demikan pernyataan ini dibuat dengan sebenarnya.

  Medan, 28 Agustus 2013 Hendrik Siagian

  NIM. 107038003 Telah diuji pada Tanggal : 28 Agustus 2013 PANITIA PENGUJI TESIS Ketua : Dr. Poltak Sihombing, M.Kom Anggota : 1. Prof. Dr. Muhammad Zarlis

  2. Prof. Dr. Opim Salim Sitompul 3. Dr. Erna Budhiarti Nababan, M.I.T.

  4. Prof. Dr. Herman Mawengkang

  

RIWAYAT HIDUP

DATA PRIBADI

  Nama lengkap berikut gelar : Ir. Hendrik Siagian Tempat dan Tanggal Lahir : Balige, 28 Juli 1966 Alamat Rumah : Jalan Karya Amal No. 10 A

  Kelurahan Pangkalan Masyhur - Medan Telepon/Faks/HP : 081 265 488 48 e-mail : Instansi Tempat Bekerja : Universitas Prima Medan Alamat Kantor : Jalan Sekip Simpang Sikambing – Medan Telepon : 061-4578870, 061-4578890

DATA PENDIDIKAN

  SD : SD Negeri No. 173524 Balige TAMAT : 1977 SLTP : SMP Negeri 2 Balige TAMAT : 1981 SLTA : SMA Negeri 1 Balige TAMAT : 1984 S1 : Teknik Elektro USU - Medan TAMAT : 1992 S2 : Teknik Informatika USU Medan TAMAT : 2013

UCAPAN TERIMA KASIH

  Puji syukur kehadirat Allah Yang Maha Kuasa, atas segala limpahan rahmat dan karunia-Nya, penulis dapat menyelesaikan tesis ini dengan baik. Tesis dengan judul “Temu Kembali Citra Wajah berdasarkan Pengukuran Kemiripan Fitur

  

dengan Menggunakan Jaringan Bayesian” diajukan untuk melengkapi tugas dan

  memenuhi syarat memperoleh ijazah Magister Teknik Informatika, Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatra Utara Medan.

  Dengan selesainya penulisan tesis ini, penulis mengucapkan terima kasih kepada:

  1. Rektor Universitas Sumatera Utara, Bapak Prof. Dr. dr. Syahril Pasaribu, DTM&H, M.Sc (CTM), Sp. A(K) atas kesempatan yang diberikan kepada saya untuk mengikuti dan menyelesaikan pendidikan Program Magister (S2)

  2. Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara sekaligus Ketua Program Studi Magister (S2) Teknik Informatika, Bapak Prof. Dr. Muhammad Zarlis dan sekretaris Program Studi Magister (S2) Teknik Informatika Bapak M. Andri Budiman, S.T, M.Comp.Sc., M.E.M. beserta seluruh staff pengajar pada Program Studi Magister (S2) Teknik Informatika, Fakultas Ilmu Komputer dan Teknologi Informasi, Universitas Sumatra Utara Medan 3. Pembimbing utama Bapak Dr. Poltak Sihombing, M.Kom. dan pembimbing kedua

  Bapak Prof. Dr. Muhammad Zarlis atas kesediaan dan penuh kesabaran membimbing saya hingga selesainya tesis ini dengan baik

  4. Pembanding tesis, Bapak Prof. Dr. Opim Salim Sitompul, Ibu Dr. Erna Budhiarti Nababan, M.I.T. dan Bapak Prof. Dr. Herman Mawengkang yang telah memberikan saran dan masukan serta arahan yang baik demi penyelesaian tesis ini

  5. Staff Pegawai dan Administrasi pada Program Studi Magister (S2) Teknik Informatika Program Pascasarjana Fakultas Ilmu Komputer Universitas Sumatera Utara yang telah memberikan bantuan dan pelayanan terbaik kapada penulis selama mengikuti perkuliahan hingga saat ini

  6. Istri tercinta Ir., Dra. Ellen Tampubolon MSi., dan seluruh keluarga besar penulis yang tidak dapat disebutkan satu persatu, atas perhatian dan segala pengorbanannya, baik moril maupun materil

  7. Rekan mahasiswa/i angkatan kedua tahun 2010 pada Program Studi S2 Teknik Informatika, Fakultas Ilmu Komputer dan Teknologi Informasi, Universitas Sumatra Utara yang telah banyak membantu penulis berupa dorongan semangat selama mengikuti perkuliahan

  8. Seluruh pihak yang tidak dapat penulis sebutkan satu persatu, atas segala bantuan dan doa yang diberikan.

  Dengan segala kekurangan dan kerendahan hati, sekali lagi penulis mengucapkan terimakasih. Semoga kiranya Allah Yang Maha Kuasa membalas segala bantuan dan kebaikan yang telah diberikan kepada penulis.

  Medan, 28 Agustus 2013 NIM:107038003 Hendrik Siagian

  

ABSTRAK

  Dalam penelitian ini, karakteristik citra wajah dinyatakan melalui tiga buah fitur citra yang diekstrak secara langsung dari citra wajah kunci yaitu fitur warna, fitur bentuk dan fitur tekstur. Fitur warna diekstraksi dengan menggunakan histogram warna HSI

  

(hue, saturation, intensity ); fitur bentuk diekstraksi dengan menggunakan operator

Sobel dan disusun dalam edge direction histogram; fitur tekstur diekstraksi dengan

  menggunakan co-occurence matrix. Karakteristik citra query dan citra-citra yang ada di dalam database dapat dianggap sebagai node-node yang saling berhubungan dan membentuk sebuah jaringan Bayesian. Jaringan Bayesian merupakan struktur grafik yang menggambarkan peluang relasi diantara variabel-variabel dalam jumlah yang besar dan dapat menarik peluang inferensi atas variabel-variable tersebut. Link antara dua variabel atau node akan merepresentasikan peluang kejadian dari derajat kemiripan citra query dengan setiap citra dalam database dapat diukur dengan cara membandingkan karakteristik citra query dengan karakteristik citra-citra dalam

  

database. Evaluasi terhadap precision hasil temu kembali citra wajah untuk setiap

recall memperlihatkan kinerja jaringan Bayesian sangat baik.

  Kata Kunci : Temu Kembali Citra Wajah, Ekstraksi Fitur, Jaringan Bayesian

  

FACE IMAGE RETRIEVAL BASED ON

FEATURE SIMILARITY MEASUREMENT

USING BAYESIAN NETWORK

ABSTRACT

  In this study, the characteristics of the face image is expressed through three image features extracted directly from the key facial image color features, shape features and texture features. Color feature extracted by using color histograms HSI (hue, saturation, intensity); shape features extracted by using Sobel operator and arranged in edge direction histogram; texture features extracted by using co-occurence matrix. Characteristics of the query image and the images in the database can be considered as the nodes that are interconnected and form a Bayesian network. Bayesian network is a graph illustrating the structure of relationships among chance variables in a large number of exciting opportunities and inference on the set of variables. Link between two variables or nodes will represent opportunities occurrence of the degree of similarity with the query image of each image in the database, can be measured by comparing the query image characteristics with the characteristics of the images in the database. The evaluation of the results of image retrieval precision for each recall faces show very good performance of Bayesian network. Keywords: Face Image Retrieval, Feature Extraction, Bayesian Network

DAFTAR ISI

  Halaman PENGESAHAN ii

BAB 1 PENDAHULUAN

  2.7 Recall dan Precision

  16

  2.4.4. Pendeteksian Tepi

  16

  2.4.5. Tekstur

  18

  2.4.6. Co-ocurence Matrix

  19

  2.5 Cosine Similarity

  21

  2.6 Formula Bayes

  22

  22

  2.8 Riset-riset Terkait

  23

  15

  26

  2.9 Persamaan dengan Riset-riset Lain

  28

  2.10 Perbedaan dengan Riset-riset Lain

  28

  2.11 Kontribusi Riset

  28 BAB 3 METODOLOGI PENELITIAN

  30

  3.1 Pelaksanaan Penelitian

  30

  3.2 Blok Diagram Proses

  31

  2.4.3. Histogram Warna Konvensional

  2.4.2. Operasi Ambang Batas (Thresholding)

  PERNYATAAN ORISINALITAS iii

  1.3 Batasan Masalah

  PERNYATAAN PERSETUJUAN PUBLIKASI iv PANITIA PENGUJI TESIS v

  RIWAYAT HIDUP vi

  UCAPAN TERIMA KASIH vii

  ABSTRAK ix

  ABSTRACT x

  DAFTAR ISI xi

  DAFTAR TABEL xiii

  DAFTAR GAMBAR xiv

  1

  1.1 Latar Belakang

  1

  1.2 Rumusan Masalah

  3

  3

  11

  1.4 Tujuan Penelitian

  4

  1.5 Manfaat Penelitian

  4 BAB 2 TINJAUAN PUSTAKA

  5

  2.1 Information Retrieval

  5

  2.2 Image Retrieval Method

  6

  2.3 Citra Digital

  6

  2.4 Pengolahan Citra Digital

  8

  2.4.1. Ruang Warna (Color Space)

2.6.1 Bayesian Network

  3.3

  33 Proses Ekstraksi Fitur Citra

  3.3.1

  34 Ekstraksi Fitur Warna

  3.3.2

  34 Ekstraksi Fitur Bentuk

  3.3.3

  35 Ekstraksi Fitur Textur

  3.3.4

  36 Model Jaringan Bayesian

  3.3.5

  37 Evaluasi Hasil Temu-Kembali

  3.4

  37 Perancangan Sistem

  3.4.1

  38 Folder Sistem

  3.4.2

  38 Perancangan Antar-Muka Pemakai

  BAB 4 HASIL DAN PEMBAHASAN

  41

  4.1

  41 Pendahuluan

  4.2

  42 Data Citra

  4.3

  43 Aplikasi Face Image Retrieval

  4.3.1

  44 Menampilkan File Citra Wajah Query

  4.3.2

  45 Melaksanakan Proses Pencarian

  4.3.3

  46 Melihat Hasil Pencarian

  4.3.4

  47 Melihat Citra Sumber Wajah

  4.4

  47 Pembahasan

  4.4.1

  47 Pembangunan Indeks Fitur

  4.4.2

  47 Ekstraksi Fitur Warna

  4.4.3

  57 Ekstraksi Fitur Bentuk

  4.4.4

  62 Ekstraksi Fitur Tekstur

  4.4.5

  67 Pengukuran Kemiripan Fitur

  4.5

  79 Analisis Hasil

  BAB 5 KESIMPULAN DAN SARAN

  78

  5.1

  78 Kesimpulan

  5.2

  78 Saran DAFTAR PUSTAKA

  80 LAMPIRAN KODE PROGRAM

  82

  

DAFTAR TABEL

  Halaman

Tabel 2.1 Recall dan Precision

  25 Tabel 4.1 Relasi File Citra Wajah dengan Citra Sumber

  42 Tabel 4.2 Kuantisasi Ruang Warna dari Histogram HSI-162 bin

  49 Tabel 4.3 Warna HSI dari Citra Wajah

  54 Tabel 4.4 Histogram HSI-162 bin dari Citra Wajah

  55 Tabel 4.5 Vektor Fitur Warna Citra Wajah

  56 Tabel 4.6 Kuantisasi Sudut Tepi ( θ)

  61 Tabel 4.7 Vektor Fitur Bentuk Citra Wajah

  62 Tabel 4.8 Vektor Fitur Tekstur Citra Wajah

  66 Tabel 4.9 Ranking Citra Hasil Temu Kembali

  76 Tabel 4.10 Nilai Recall dan Precision dari Pengukuran Fitur

  77

  

DAFTAR GAMBAR

  57 Gambar 4.15 Matriks Hasil Deteksi Tepi

  47 Gambar 4.7 Contoh Citra Wajah

  50 Gambar 4.8 Data Warna Merah (Red)

  51 Gambar 4.9 Data Warna Hijau (Green)

  51 Gambar 4.10 Data Warna Biru (Blue)

  51 Gambar 4.11 Data Warna H (hue)

  52 Gambar 4.12 Data Warna S (saturation)

  52 Gambar 4.13 Data Warna I (intensity)

  53 Gambar 4.14 Data Warna Grayscale

  59 Gambar 4.16 Matriks Gradien Arah Horizontal (gx)

  46 Gambar 4.5 Hasil Temu-Kembali dengan Ranking

  59 Gambar 4.17 Matriks Gradien Arah Vertikal (gy)

  60 Gambar 4.18 Edge Direction

  60 Gambar 4.19 Matrik Co-occurence Sudut 0

Gambar 4.20 Matrik Co-occurence Sudut 45

  64 Gambar 4.21 Matrik Co-occurence Sudut 90

  65 Gambar 4.22 Matrik Co-occurence Sudut 135

  65 Gambar 4.23 Jaringan Bayesian Pengukuran Fitur Citra

  67

  66 Gambar 4.24 Citra Query face000F.bmp

  46 Gambar 4.6 Citra Sumber Wajah

  45 Gambar 4.4 Pilihan Pengukuran yang Tersedia

  Halaman

  26 Gambar 3.1 Blok Diagram Proses Pencuplikan Citra Wajah

Gambar 2.1 Interaksi User dengan Retrieval System

  5 Gambar 2.2 Tahap-tahap Dasar Pengolahan Citra Digital

  8 Gambar 2.3 Kedudukan dan Panjang Gelombang dari Cahaya Tampak

  12 Gambar 2.4 Representasi Ruang Warna HSI (Hue, Saturation, Intensity)

  14 Gambar 2.5 Matrik Konvolusi Pendeteksi Tepi Sobel

  17 Gambar 2.6 Penyusunan Matriks co-occurence

  20 Gambar 2.7 Model Umum Bayesian Network untuk CBIR

  23 Gambar 2.8 Diagram Himpunan Dokumen

  24 Gambar 2.9 Grafik Recall – Precision

  32 Gambar 3.2 Blok Diagram Proses Pembangunan Indeks Fitur

  44 Gambar 4.3 Citra Wajah Query

  32 Gambar 3.3 Blok Diagram Proses Temu-Kembali Citra Wajah

  33 Gambar 3.4 Model Jaringan Bayesian

  37 Gambar 3.5 Struktur Folder Sistim Face Image Retrieval (FIR)

  38 Gambar 3.6 Rancangan Menu

  39 Gambar 3.7 Rancangan Jendela Utama

  39 Gambar 3.8 Rancangan Jendela Hasil Temu-Kembali

  40 Gambar 3.9 Rancangan Antarmuka Citra Sumber Wajah

  40 Gambar 4.1 Jendela Utama Aplikasi Face Image Retrieval

  43 Gambar 4.2 Kotak Dialog Open File

  72

Gambar 4.25 Citra Relevan dengan Citra Query

  73 Gambar 4.26 Hasil Temu Kembali dengan Pengukuran Fitur Warna (Color)

  74 Gambar 4.27 Hasil Temu Kembali dengan Pengukuran Fitur Bentuk (Shape)

  74 Gambar 4.28 Hasil Temu Kembali dengan Pengukuran Fitur Tekstur (Texture)

  75 Gambar 4.29 Hasil Temu Kembali dengan Pengukuran Fitur Gabungan

  75 Gambar 4.30 Grafik Recall – Precision

  77