KOHONEN NEURAL NETWORK DALAM PENDETEKSIAN DUPLIKASI IMAGE DIGITAL MELALUI DETEKSI GARIS TEPI SKRIPSI MAHATHIR FEBRIAN 091402131
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 2014KOHONEN 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
PERSETUJUAN
Judul : KOHONEN NEURAL NETWORK DALAM PENDETEKSIAN DUPLIKASI
IMAGE DIGITAL MELALUI DETEKSI GARIS TEPI
Kategori : SKRIPSI Nama : MAHATHIR FEBRIAN Nomor Induk Mahasiswa : 091402131 Program Studi : SARJANA (S1) TEKNOLOGI INFORMASI Departemen : TEKNOLOGI INFORMASI Fakultas : ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI Diluluskan di Medan, 23 Agustus 2014
Komisi Pembimbing : Pembimbing 2 Pembimbing 1 M. Andri Budiman, ST., M.Com.Sc Dr. Erna Budhiarti Nababan, M.IT NIP. 197510082008011011 NIP.
Diketahui/Disetujui oleh Program Studi Teknologi Informasi Ketua, M. Anggia Muchtar, ST.,MM.IT NIP. 19800110 200801 1 010
PERNYATAAN
kOHONEN NEURAL NETWORKDALAM 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
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. v
6. Orang terdekat penulis, Cyntia Harmaytha Harahap, ST. Terima kasih banyak telah membantu menyemangati, mendukung, dan mendampingi segala kegiatan penulis.
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, teman- teman 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.
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
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
DAFTAR ISI
Hal.
PERSETUJUAN ......................................................................................................... ii
PERNYATAAN .......................................................................................................... iii
UCAPAN TERIMA KASIH ..................................................................................... iv
ABSTRAK .................................................................................................................. vi
ABSTRACT ............................................................................................................... vii
DAFTAR ISI ............................................................................................................. viii
DAFTAR TABEL ....................................................................................................... x
DAFTAR GAMBAR ............................................................................................... iii xi
BAB 1 PENDAHULUAN ...........................................................................................1 1.1. ......................................................................................
1 Latar Belakang 1.2. .................................................................................
2 Rumusan Masalah 1.3. ..................................................................................
2 Batasan Masalahs 1.4. ...................................................................................
3 Tujuan Penelitian 1.5. .................................................................................
3 Manfaat Penelitian 1.6. ...........................................................................
3 Metodologi Penelitian 1.7. ............................................................................
5 Sistematika Penulisan 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
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. Implementasi .......................................................................................
36 4.1.2 Tampilan Hasil ........................................................................
36 4.1.2 Pengujian Sistem .....................................................................
37 4.2. 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
DAFTAR TABEL
Hal.Tabel 2.1 Tabel Penelitian Terdahulu12 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
DAFTAR GAMBAR Hal.
37 Gambar 4.3 Gambar Normal.bmp
44 Gambar 4.15 Hasil Pembanding Gambar
44 Gambar 4.14 Segmentasi Gambar Dengan Metode Kohonen SOM
43 Gambar 4.13 Mendeteksi Garis Tepi Gambar Pembanding
42 Gambar 4.12 Menginput Lokasi Pencarian Gambar
42 Gambar 4.11 Menginput Gambar Pembanding
41 Gambar 4.10 Gambar uji4.bmp
41 Gambar 4.9 Gambar uji3.bmp
40 Gambar 4.8 Gambar uji2.bmp
40 Gambar 4.7 Gambar Contdown.bmp
39 Gambar 4.6 Gambar Contup.bmp
39 Gambar 4.5 Gambar Brigtdown.bmp
38 Gambar 4.4 Gambar Brighup.bmp
36 Gambar 4.2 Form About
Gambar 2.1 Color Image35 Gambar 4.1 Tampilan Form Utama
34 Gambar 3.14 Rancangan Form About
28 Gambar 3.13 Rancangan Form Utama
21 Gambar 3.8 Flowchart Prose Kerja Perangkat Lunak
21 Gambar 3.7 BMN Citra B
21 Gambar 3.6 Hasil Segmentasi Citra B
20 Gambar 3.5 Struktur Pixel Citra A
20 Gambar 3.4 BMN Citra A
19 Gambar 3.3 Hasil Segmentasi Citra A
16 Gambar 3.2 Hasil Deteksi Garis Tepi Citra A
11 Gambar 3.1 Struktur Pixel Citra A
7 Gambar 2.3 Kurva Skweness dan Kurtosis
6 Gambar 2.2 Citra Digital
45