Modifikasi Speed-Up Robust Feature (SURF) dengan Histogram of Oriented Gradient (HOG) pada Klasifikasi Citra Blur

MODIFIKASI SPEED-UP ROBUST FEATURE (SURF) DENGAN
HISTOGRAM OF ORIENTED GRADIENT (HOG)
PADA KLASIFIKASI CITRA BLUR

TESIS

MAHARDIKA ABDI PRAWIRA TANJUNG
NIM: 147038071

PROGRAM STUDI S2 TEKNIK INFORMATIKA
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2017

Universitas Sumatera Utara

MODIFIKASI SPEED-UP ROBUST FEATURE (SURF) DENGAN
HISTOGRAM OF ORIENTED GRADIENT (HOG)
PADA KLASIFIKASI CITRA BLUR
TESIS

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

MAHARDIKA ABDI PRAWIRA TANJUNG
NIM: 147038071

PROGRAM STUDI S2 TEKNIK INFORMATIKA
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2017

Universitas Sumatera Utara

ii

PENGESAHAN

Judul

: MODIFIKASI SPEED-UP ROBUST FEATURE (SURF)
DENGAN HISTOGRAM OF ORIENTED GRADIENT
(HOG) PADA KLASIFIKASI CITRA BLUR

Kategori

: Tesis

Nama

: Mahardika Abdi Prawira Tanjung

Nomor Induk Mahasiswa : 147038071
Program Studi

: Magister (S2) Teknik Informatika

Fakultas

: ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

Komisi Pembimbing

:

Pembimbing 2

Pembimbing 1

Drs. Mahyuddin K.M. Nasution, M.IT, Ph.D

Prof. Dr. Opim Salim Sitompul, M.Sc

Diketahui/disetujui oleh
Program Studi S2 Teknik Informatika
Ketua,

Prof. Dr. Muhammad Zarlis
NIP. 19570701 198601 1 003

Universitas Sumatera Utara

iii

PERNYATAAN

MODIFIKASI SPEED-UP ROBUST FEATURE (SURF) DENGAN
HISTOGRAM OF ORIENTED GRADIENT (HOG)
PADA KLASIFIKASI CITRA BLUR
TESIS

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

Medan, 15 Juni 2017

Mahardika Abdi Prawira Tanjung
147038071

Universitas Sumatera Utara

iv

PERSETUJUAN PUBLIKASI

Sebagai sivitas akademika Universitas Sumatera Utara, saya yang bertanda tangan
dibawah ini :
Nama

: Mahardika Abdi Prawira Tanjung

Nim

: 147038071

Program Studi

: Magister (S2) Teknik Informatika

Jenis Karya Ilmiah

: Tesis

Dengan pengembangan ilmu penetahuan, menyetujui untuk memberikan kepada
Universitas Sumatera Utara Hak Bebas Royaliti Non-Eksklusif (Non-Exclusive Royality
Free Right) atas tesis saya yang berjudul:

MODIFIKASI SPEED-UP ROBUST FEATURE (SURF) DENGAN
HISTOGRAM OF ORIENTED GRADIENT (HOG)
PADA KLASIFIKASI CITRA BLUR
Beserta perangkat yang ada (jika diperlukan). Dengan Hak Bebas Royaliti 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.

Demikian pernyataan ini dibuat dengan sebenarnya.
Medan, 15 Juni 2017

Mahardika Abdi Prawira Tanjung
147038071

Universitas Sumatera Utara

v

Telah diuji pada
Tanggal : 15 Juni 2017

PANITIA PENGUJI TESIS
Ketua

: Prof. Dr. Opim Salim Sitompul, M.Sc

Anggota

: 1. Drs. Mahyuddin K.M. Nasution, M.IT, Ph.D
2. Prof. Dr. Muhammad Zarlis
3. Dr. Zakarias Situmorang

Universitas Sumatera Utara

vi

RIWAYAT HIDUP

DATA PRIBADI

Nama Lengkap

: Mahardika Abdi Prawira Tanjung, S.Kom

Tempat dan Tanggal Lahir

: Medan, 17-08-1989

Alamat Rumah

: Jalan Sidorukun No. 104 Pulo Brayan Darat II

Telepon/Faks/Hp

: 081370383059/082126787259

E-mail

: dika.abdi@gmail.com

Instansi Tempat Bekerja

: -

Alamat Kantor

: -

DATA PENDIDIKAN

SD

: SD IKAL Medan

Pindah

: 1995

SD

: SD N Kedungturi Sidoarjo Jatim

Pindah

: 1998

SD

: SD Pertiwi Medan

TAMAT : 2001

SMP : SMP Negeri 11 Medan

TAMAT : 2004

SMA : SMA Negeri 3 Medan

TAMAT : 2007

S1

: Universitas Komputer Indonesia

TAMAT : 2013

S2

: Universitas Sumatera Utara

TAMAT : 2017

Universitas Sumatera Utara

vii

UCAPAN TERIMA KASIH

Puji Syukur kami panjatkan kehadirat Allah SWT, yang telah melimpahkan rahmat dan
hidayahNya, sehingga tesis ini dapat diselesaikan sesuai dengan harapan. Selanjutnya

shalawat beserta salam kami kirimkan kepada nabi Muhammad SAW, semoga kelak kita
mendapat syafa’at darinya di yaumil akhir. Dengan selesainya penulisan tesis ini izinkanlah
kami untuk mengucapkan terima kasih kepada :
1. Rektor Universitas Sumatera Utara, Bapak Prof. Dr. Runtung Sitepu, SH, M.Hum atas
kesempatan yang telah diberikan kepada penulis untuk dapat mengikuti dan
menyelesaikan pendidikan Program Magister.

2. Dekan Fakultas Ilmu Komputer Universitas Sumatera Utara, Bapak Prof. Dr. Opim
Salim Sitompul, M.Sc atas kesempatan yang telah diberikan kepada penulis untuk
menjadi mahasiswa Program Magister Teknik Informatika pada Program Pascasarjana
Fasilkom-TI Universitas Sumatera Utara.

3. Ketua Program Studi Magister Teknik Informatika, Bapak Prof. Dr. Muhammad Zarlis.
Sekretaris Program Studi Teknik Informatika, Bapak Dr. Syahril Efendi, S.Si., M.IT
Beserta seluruh Staf Pengajar Program Studi Magister Teknik Informatika Program
Pascasarjana Fasilkom-TI Universitas Sumatera Utara.

4. Bapak Prof. Dr. Opim Salim Sitompul, M.Sc, selaku Promotor/Pembimbing Utama
dan Bapak Drs. Mahyuddin K.M. Nasution, M.IT, Ph.D selaku Promotor/Pembimbing
kedua yang dengan penuh ketelitian dalam membimbing penulis hingga selesainya tesis
ini.

5. Bapak Prof. Dr. Muhammad Zarlis dan Dr. Zakarias Situmorang selaku pembanding
yang telah memberikan saran dan masukan serta arahan untuk penyelesaian tesis ini.

6. Terima kasih yang tak terhingga penulis ucapkan kepada Ayahanda tercinta Mahzar
Tanjung, S.H., M.M., yang selalu mendo’akan dan mengarahkan penulis ke dunia
pendidikan, Ibunda tercinta Maryanna Waty, S.H., yang tak pernah henti
memberikan cinta dan kasih sayang serta do’anya kepada penulis hingga penulis
dapat menyelesaikan penelitian ini.

Universitas Sumatera Utara

viii

7. Staf dan Pegawai Pasca Sarjana S2 Teknik Informatika serta rekan mahasiswa/i
Program Studi Magister Teknik Informatika Program Pascasarjana Fasilkom-TI
Universitas Sumatera Utara, khususnya Kom C (2014) yang telah banyak membantu
penulis selama perkuliahan dan penyelesaian tesis. Serta seluruh pihak yang tidak dapat
penulis sebutkan satu persatu dalam tesis ini, sekali lagi terima kasih atas segala bantuan
dan doa yang telah diberikan. Semoga kiranya Allah SWT membalas kebaikan yang
telah diberikan.

Akhir kata, penulis berharap semoga penelitian ini bermanfaat bagi penulis khususnya
dan pembaca pada umumnya serta bagi perkembangan ilmu pengetahuan khususnya dibidang
ilmu komputer.

Medan, 15 Juni 2017
Penulis,

Mahardika Abdi Prawira
NIM. 147038071

Universitas Sumatera Utara

ix

ABSTRAK

Mata manusia dapat secara langsung membedakan objek-objek pada citra. Seperti hewan,
tumbuhan ataupun benda-benda mati yang telah dikenali secara langsung oleh manusia.
Namun, komputer tidak memiliki kemampuan seperti mata manusia yang dapat langsung
mengenali objek pada citra tersebut. Karena komputer hanya mengenali bilangan biner
yaitu 0 dan 1. Bag of visual words merupakan suatu metode untuk mempresentasikan citra
berdasarkan fitur lokal, dimana sebuah citra dapat diambil karakteristiknya, sehingga dapat
membedakan objek-objek pada citra. Dalam prosesnya, Bag of visual words memiliki
tahapan penentuan karakteristik yaitu interest point. Dalam penelitian ini, penentuan
interest point dimodifikasi menggunakan speed-up robust feature dengan histogram of
oriented gradients. Kinerja modifikasi tersebut menghasilkan akurasi yang konsisten
dengan menggunakan 5 skala pendeteksian interest point.
Kata kunci : Citra, Bag of Visual Words, Interest Point, Speed-up Robust Feature,
Histogram of Oriented Gradients.

Universitas Sumatera Utara

x

MODIFICATION OF SPEED-UP ROBUST FEATURE (SURF) METHOD WITH
HISTOGRAM OF ORIENTED GRADIENT (HOG) IN IMAGE BLUR
CLASSIFICATION

ABSTRACT

The human eye can directly distinguish objects from images. Such as animals, plants or
inanimate objects that have been directly recognized by humans. However, the computer
does not have the capability of such a human eye that can instantly recognize objects in the
image. Because computers only recognize binary numbers 0 and 1. Bag of visual words is
a method to present the image based on local features, where an image can be taken its
characteristics, so as to distinguish the objects in the image. In the process, bag of visual
words has the stages of determining the characteristics of the interest points. In this study,
the determination of the interest point is modified using the speed-up robust feature with
histogram of oriented gradients. Performance of these modifications generate consistent
accuracy by using 5-scale detection of interest points.
Keywords: Image, Bag of Visual Words, Interest Point, Speed-up Robust Feature,
Histogram of Oriented Gradients.

Universitas Sumatera Utara

xi

DAFTAR ISI

HALAMAN JUDUL.. .....................................................................................

i

PENGESAHAN.... ...........................................................................................

ii

PERNYATAAN ORISINALITAS.... ............................................................

iii

PERSETUJUAN PUBLIKASI..... .................................................................

iv

RIWAYAT HIDUP..... ....................................................................................

vi

UCAPAN TERIMA KASIH.... ......................................................................

vii

ABSTRAK..... ..................................................................................................

ix

ABSTRACT..... ................................................................................................

x

DAFTAR ISI ..................................................................................................

xi

DAFTAR TABEL ........................................................................................... xiv
DAFTAR GAMBAR ......................................................................................

xv

BAB I PENDAHULUAN ..............................................................................

1

1.1. Latar Belakang .............................................................................

1

1.2. Rumusan Masalah ........................................................................

3

1.3. Batasan Masalah ..........................................................................

4

1.4. Tujuan Penelitian .........................................................................

4

1.5. Manfaat Penelitian........................................................................

4

BAB II TINJAUAN PUSTAKA ...................................................................

5

2.1. Pengolahan Citra ..........................................................................

5

2.2. Distribusi pixel (Histogram) ........................................................

5

2.3. Deteksi Tepi (Edge detection) .....................................................

5

2.3.1 Turunan Pertama deteksi tepi (First-order derivative) ..........

6

2.3.2 Turunan kedua deteksi tepi (Second-order derivative) .........

8

2.4. Bag of visual words .....................................................................

9

2.5. Deteksi skala (scale detection) .....................................................

9

2.6. Deteksi fitur Speed-up Robust Feature (SURF) ..........................

11

2.7. Histogram of Oriented Gradient (HOG) ......................................

13

Universitas Sumatera Utara

xii

2.7.1 Konversi Citra Warna ke Citra Greyscale ...........................

14

2.7.2 Menghitung Gradien Pixel ...................................................

14

2.7.3 Menghitung Kuantisasi Orientasi Biner dengan skala 9 bin
(0-180) ..................................................................................

15

2.7.4 Menggabungkan Histogram .................................................

16

2.8 K-means Clustering .....................................................................

17

2.9 Support Vector Machine (SVM) .................................................

18

2.10 Klasifikasi ..................................................................................

19

BAB III METODOLOGI PENELITIAN ....................................................

21

3.1. Alur Kerja Penelitian ...................................................................

21

3.2. Data dan Peralatan Yang Digunakan ..........................................

22

3.3. Tahapan Modifikasi Speed-up Robust Feature dengan Histogram
Of Oriented Gradient ...................................................................

22

3.4. Modifikasi Speed-up Robust Feature dengan Histogram of Oriented
Gradient (HOG) ..........................................................................

23

3.5 Pembentukan Bag of Visual Words .............................................

27

3.6 Ukuran Performansi .....................................................................

28

BAB IV HASIL DAN PEMBAHASAN ........................................................

29

4.1. Hasil ............................................................................................

29

4.1.1. Sampel pelatihan dan sampel pengujian ...........................

29

4.1.2. Hasil bag of feature ...........................................................

31

4.1.3. Hasil klasifikasi support vector machine ..........................

36

4.1.4. Modifikasi Speed-up Robust Feature dengan Histogram of
Oriented Gradients ......................................................................

37

4.2. Pengujian Dengan Variasi Skala Speed-up Robust Feature .......

40

4.3. Pembahasan ................................................................................

47

BAB V KESIMPULAN DAN SARAN .........................................................

48

5.1. Kesimpulan ..................................................................................

48

5.2. Saran ............................................................................................

48

Universitas Sumatera Utara

xiii

DAFTAR PUSTAKA .....................................................................................

49

LAMPIRAN ....... ............................................................................................

52

Universitas Sumatera Utara

xiv

DAFTAR TABEL

Halaman
Tabel 3.1 Tabel Confusion Matrix ..................................................................... 27
Tabel 4.1 Nilai index gambar 4.1 ....................................................................... 32
Tabel 4.2 Nilai index gambar 4.2 ....................................................................... 32
Tabel 4.3 Nilai index gambar 4.3 ....................................................................... 35
Tabel 4.4 Nilai index gambar 4.4 ....................................................................... 36
Tabel 4.5 Hasil Klasifikasi Support Vector Machine ........................................ 37
Tabel 4.6 Koordinat gridX ................................................................................. 38
Tabel 4.7 Koordinat gridY ................................................................................. 38
Tabel 4.8 Pengujian klassifikasi pada trainingSet1 dengan menggunakan 3 skala
deteksi .................................................................................................. 41
Tabel 4.9 Pengujian klassifikasi pada testingSet1 dengan menggunakan 3 skala
deteksi .................................................................................................. 41
Tabel 4.10 Pengujian klassifikasi pada trainingSet1 dengan menggunakan 4 skala
deteksi .................................................................................................. 41
Tabel 4.11 Pengujian klassifikasi pada testingSet1 dengan menggunakan 4 skala
deteksi .................................................................................................. 41
Tabel 4.12 Pengujian klassifikasi pada trainingSet1 dengan menggunakan 5 skala
deteksi .................................................................................................. 42
Tabel 4.13 Pengujian klassifikasi pada testingSet1 dengan menggunakan 5 skala
deteksi .................................................................................................. 42
Tabel 4.14 Percobaan 1 Menggunakan 3 Skala Pendeteksian Interest Point ......... 44
Tabel 4.15 Hasil Keseluruhan 10 Kali Pengujian Pada testingSet1 Sebelum di
Modifikasi ............................................................................................. 45
Tabel 4.16 Hasil Keseluruhan 10 Kali Pengujian Pada testingSet1 Setelah di
Modifikasi ............................................................................................. 45

Universitas Sumatera Utara

xv

DAFTAR GAMBAR

Halaman
Gambar 1.1

Citra mobil dan rumah .......................................................................... 1

Gambar 1.2

Citra rumah dan tumbuhan..................................................................... 1

Gambar 2.1

Ilustrasi tepi ideal dan tepi lereng pada citra (Marques, 2011). ............ 6

Gambar 2.2

Turunan pertama deteksi tepi (Nixon & Aguado, 2008) ...................... 7

Gambar 2.3

Tahapan Bag of visual words (diadoptasi dari Raza et al. (2011) ....... 9

Gambar 2.4

Titik karakteristik pada citra (Mikolajczyk & Schmid, 2001). ........... 11

Gambar 2.5

Orde kedua gaussian yang terdiskrit dan dikelompokkan secara derivatif
parsial dalam arah y dan arah xy, (diambil dari Bay et al. 2006) ....... 12

Gambar 2.6

100 Interest point tertinggi yang diwakilkan dengan bulatan (blob) pada
citra .................................................................................................... 13

Gambar 2.7

Tahapan Histogram of oriented gradient ........................................... 13

Gambar 2.8

Gradien terpusat pada angka 0 ............................................................ 14

Gambar 2.9

Arah orientasi gradien ........................................................................ 15

Gambar 2.10 Block grid dengan ukuran 2x2 dan overlapping sebesar 50% dari block
sebelumnya ......................................................................................... 15
Gambar 2.11 Contoh tahap kuantisasi orientasi biner dengan skala 9 bin (0-180) . 16
Gambar 2.12 Penggabungan histogram dari setiap blok ......................................... 16
Gambar 2.13 Tahapan k-means clustering ............................................................... 17
Gambar 2.14 Algoritma k-means (diadoptasi dari Salomon & Breckon, 2011). . ... 18
Gambar 2.15 Support vector machine dan hyperplane (diadoptasi dari Han & Kamber,
2006) .................................................................................................. 19
Gambar 2.16 Tahap pertama klasifikasi .................................................................. 20
Gambar 2.17 Tahap kedua klasifikasi ...................................................................... 20
Gambar 3.1

Diagram Alur Kerja Penelitian .......................................................... 21

Gambar 3.2

Tahapan Modifikasi speed-up robust feature dengan histogram of
oriented gradient pada skema bag of visual word untuk klassifikasi citra
blur ..................................................................................................... 23

Universitas Sumatera Utara

xvi

Gambar 3.3

Pendeteksian interest point dengan speed-up robust feature ............. 24

Gambar 3.4

Grid x dan y pada speed-up robust feature mendeteksi fitur dengan
membentuk bulatan kecil (blob) terhadap citra ................................. 25

Gambar 3.5

Histogram of oriented gradient membentuk cell blok pada citra dan
menghitung gradien citra sebagai pendeteksian fitur.......................... 25

Gambar 3.6

Modifkasi Speed-up robust feature dengan Histogram of oriented
gradient ............................................................................................... 26

Gambar 3.7

Histogram Feature Vector bag1 dengan K= 500 atau disebut dengan
codebook ............................................................................................. 27

Gambar 4.1

Citra 8.jpg pada kategori average blur ................................................ 29

Gambar 4.2

Citra 8.jpg pada kategori citra non blur .............................................. 30

Gambar 4.3

Citra 8.jpg pada kategori gaussian blur............................................... 30

Gambar 4.4

Citra 8.jpg pada kategori motion blur ................................................. 30

Gambar 4.5

Bag of Feature TrainingSet1 ............................................................... 31

Gambar 4.6

Koordinat deteksi interest point .......................................................... 39

Gambar 4.7

Hasil pendeteksian speed-up robust feature dengan menggunakan 3 skala
............................................................................................................. 39

Gambar 4.8

Ekstraksi Histogram of Oriented Gradients ........................................ 40

Gambar 4.9

Bag of Visual Word yang dibentuk .................................................... 43

Gambar 4.10 Hasil Klasifikasi Citra Blur Sebelum Modifikasi ............................... 46
Gambar 4.11 Hasil Klasifikasi Citra Blur Setelah Modifikasi ................................. 46

Universitas Sumatera Utara