Implementasi Content Based Video retrieval Menggunakan Speede-Up Robust Features (Surf)
IMPLEMENTASI CONTENT BASED VIDEO RETRIEVAL MENGGUNAKAN
SPEEDED-UP ROBUST FEATURES(SURF)
SKRIPSI
EVI P. MARPAUNG
131401107
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2017
Universitas Sumatera Utara
IMPLEMENTASI CONTENT BASED VIDEO RETRIEVAL MENGGUNAKAN SPEEDEDUP ROBUST FEATURES(SURF)
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah
Sarjana Ilmu Komputer
EVI P. MARPAUNG
131401107
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2017
Universitas Sumatera Utara
ii
PERSETUJUAN
: IMPLEMENTASI CONTENT BASED VIDEO
RETRIEVAL MENGGUNAKAN SPEEDED-UP
ROBUST FEATURES (SURF)
Kategori
: SKRIPSI
Nama
: EVI P. MARPAUNG
Nomor Induk Mahasiswa : 131401107
Program Studi
: SARJANA (S-1) ILMU KOMPUTER
Departemen
: ILMU KOMPUTER
Fakultas
: FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI UNIVERSITAS SUMATERA UTARA
Judul
Diluluskan di
Medan,
Juli 2017
Komisi Pembimbing :
Pembimbing 2
Pembimbing 1
Jos Timanta Tarigan, S.Kom., M.Sc
Dr. Poltak Sihombing, M.Kom.
NIP. 198501262015041001
NIP. 196203171991031001
Diketahi/disetujui oleh
Program Studi S-1 Ilmu Komputer
Ketua,
Dr. Poltak Sihombing, M.Kom.
NIP. 196203171991031001
Universitas Sumatera Utara
iii
PERNYATAAN
IMPLEMENTASI CONTENT BASED VIDEO RETRIEVAL MENGGUNAKAN
SPEEDED-UP ROBUST FEATURES (SURF)
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa
kutipan dan ringkasan yang masing – masing telah disebutkan sumbernya.
Medan,
Juli 2017
Evi P. Marpaung
131401107
Universitas Sumatera Utara
iv
UCAPAN TERIMA KASIH
Segala puji, syukur, hormat, serta kemuliaan hanya bagi Tuhan Yesus Kristus,Allah
luar biasa yang telah memberikan kesempatan kepada penulis untuk mengerjakan dan
menyelesaikan skripsi ini, sebagaisyaratuntukmemperolehgelarSarjanaKomputerpada
Program Studi S1 IlmuKomputerUniversitas Sumatera Utara. Dalam pengerjaan studi
dan penulisan skripsi ini, penulis telah menerima banyak dukungan berupa doa,
pemikiran,
kerjasama,
semangat,
pihak.Penulisinginmenyampaikan
rasa
dan
dana
dari
hormatdanterimakasih
yang
berbagai
sebesar–
besarnyakepada :
1.
Bapak Prof. Dr. RuntungSitepu, S.H., M.Humselaku Rektor Universitas Sumatera
Utara.
2.
Bapak Prof. Dr. Opim Salim Sitompul, M.Sc, selaku Dekan Fakultas Ilmu
Komputer dan Teknologi Informasi, Universitas Sumatera Utara.
3.
Bapak Dr. Poltak Sihombing, M.Kom selaku Ketua Program Studi S1 Ilmu
Komputer Universitas Sumatera Utara dan sekaligus Dosen Pembimbing I yang
telah memberikan bimbingan, saran, masukan, dan dukungan kepada penulis
dalam pengerjaan skripsi ini.
4.
BapakJos Timanta Tarigan, S.Kom, M.Scselaku Dosen Pembimbing II yang telah
memberikan bimbingan, saran, dan masukan kepada penulis dalam pengerjaan
skripsi ini.
5.
Bapak M. AndriBudiman, S.T., M.Comp.Sc., M.E.M selaku Dosen PembandingI
yang telah memberikan kritik dan saran untuk penyempurnaan skripsi ini.
6.
IbuAmalia, S.T, M.Tselaku Dosen Pembanding II yang memberikan kritik dan
saran untuk penyempurnaan skripsi ini.
7.
Seluruh tenaga pengajar dan pegawai Program Studi S1 Ilmu Komputer
Fasilkom-TI USU .
8.
AyahandaAlm. Doras Parulian MarpaungdanIbundaSiti Swarni Simbolonyang
selalu memberikan doa dan dukungan serta kasih sayang kepada penulis,
sertaadik – adik tersayangAnggi N. MarpaungdanMarisa Marpaungyang
Universitas Sumatera Utara
v
terusmemberikandukungan
dan
doronganbagipenulisuntukmenyelesaikanskripsiini.
9.
Lorent Oliver Barus, S.Kom , sahabat terkasih yang telah banyak membantu
penulis melalui doa dan dukungan yang diberikan agar penulis tetap semangat
dalam mengerjakan skripsi ini.
10. Sahabat penulis, IOTA (Agustin Sri Intan Sinaga, S.Kom., Endang Pranata
Tambunan, Hanna Saraswati Manullang, Laura Angelina Hasibuan, Yuni Marlina
Kristiani Nainggolan, S.Kom) yang telah banyak memberikan doa, dukungan dan
semangat selama menjalani proses perkuliahan dan penyelesaian skripsi ini.
11. Kelompok Tumbuh Bersama, yaituErwin M.H. Sinaga, Exaudi Naipospos
Bagariang, Daniel Hamonagan Siregar, Ezra Yunio Sirait, serta Aditia Arisha
Putra Kaban yang telah memberikan doa dan dukungan selama penulis menjalani
masa perkuliahan dan pengerjaan skripsi.
12. Keluarga KMKI yang telah banyak memberikan doa dan semangat kepada
penulis dalam penyelesaian skripsi ini.
13. Teman – teman kuliah Ilmu Komputer Stambuk 2013 khususnya untuk KOM B
yang telah banyak memberikan motivasi dan semangat dalam menyelesaikan
skripsi ini.
14. Dan semuapihak yang telahbanyakmembantu yang tidakbisadisebutkansatupersatu.
Semogasemuakebaikan,
bantuan,
perhatian,
sertadukungan
yang
telahdiberikankepadapenulismendapatkanpahala yang melimpahdariTuhan Yang Maha
Esa.
Medan, Juli2017
Penulis
Universitas Sumatera Utara
vi
ABSTRAK
Temu balik video ataupun temu balik video berdasarkan konten gambar adalah salah
satu bidang penelitian dari sistem temu balik informasi. Content Based Video
Retrieval memiliki empat tahapan yaitu segmentasi video yang menghasilkan frame –
frame, ekstraksi keyframe merupakan tahapan memilih frame kunci dari semua frame
koleksi video, tahapan ekstraksi fitur menggunakan algoritma Speeded-Up Robust
Features (SURF). Surf adalah detektor dan deskriptor fitur citra yang cepat. Dan kini
banyak digunakan secara luas dalam aplikasi kompter visual seperti dalam aplikasi
temu balik video.Surf pertama kali dipresentasikan oleh Herbert Bay pada konferensi
Eropa 2006 tentang Computer Vision dan sebagian terinspirasi oleh Scale-Invariant
Features Transform (SIFT). Titik interest atau key point dari citra query dan keyframe
direpresentasikan oleh vektor yang kemudian akan dibandingkan dalam tahap
pencocokan fitur. Tahap pencocokan fitur dilakukan dengan membandingkan nilai
fitur pada queryyang diberikan dengan keyframe pada koleksi video setiap kategori.
Parameter yang digunakan untuk mengukur kualitas dari hasiltemu balik video adalah
nilai dari Recall, Precision, dan Running Time. Berdasarkan hasil pengujian
menggunakan 2 jenis query, Query Bukan Frame yaitu query yang diambil diluar
frame koleksi video dan Query Dari Frame yang diambil dari frame koleksi video.rata
rata nilai Recall54,75%, nilai rata – rata Precision 37,5%, serta nilai Running Time
73,56 detik. Query Dari Frame dengan nilai rata – rata Recall 51%, nilai rata – rata
Precision 59%, dan Running Time 121,67 detik.
Kata Kunci : Video, Citra, Temu Balik, Ekstraksi Fitur, Content Based Video
Retrieval (CBVR), Speeded-Up Robust Features (SURF).
Universitas Sumatera Utara
vii
IMPLEMENTATION OF CONTENT BASED VIDEO RETRIEVAL WITH
SPEEDED-UP ROBUST FEATURES (SURF)
ABSTRACT
Image Retrieval (IR) or Content-Based Image Retrieval (CBIR) is a well-known field
of research in Information Retrieval System (IRS). Content Based Video Retrieval has
four stages: video segmentation that produces frames, keyframe extraction is the stage
of selecting key frames of all video frames, feature extraction stages using SpeededUp Robust Features (SURF) algorithm. Surf is a fast image detector and descriptor
feature. It is now widely used in visual compiler applications such as in video.Surf
backlash apps were first presented by Herbert Bay at the 2006 European conference
on Computer Vision and partly inspired by the Scale-Invariant Features Transform
(SIFT). The interest point or key point of the query image and keyframe is represented
by the vector which will then be compared in the feature matching stage. The feature
matching stage is performed by comparing the feature value of the given query with
the keyframe on the video collection of each category. The parameters used to
measure the quality of video feedbacks are the values of Recall, Precision, and
Running Time. Based on the test results using two types of queries, Query Not Frame
is a query that is taken outside the frame of the video collection and Query From
Frame taken from frame collection video.Average Recall value 54.75%, Precision
average 37.5%, and Running Time value 73.56 seconds. Query From Frame with
Recall 51% average value, Precision 59% average value, and Running Time 121.67
sec.
Keywords : Video, Image, Retrieval, Feature Extraction, Content Based Video
Retrieval (CBVR), Speeded-Up Robust Features (SURF).
Universitas Sumatera Utara
viii
DAFTAR ISI
Persetujuan
ii
Pernyataan
iii
Penghargaan
iv
Abstrak
vi
Abstract
vii
Daftar Isi
viii
Daftar Tabel
xi
Daftar Gambar
xii
Daftar Lampiran
xiv
Bab 1 Pendahuluan
1.1 Latar Belakang
1
1.2 Rumusan Masalah
2
1.3 Batasan Masalah
2
1.4 Tujuan Penelitian
3
1.5 Manfaat Penelitian
3
1.6 Metode Penelitian
3
1.7 Sistematika Penelitian
4
Bab 2 Landasan Teori
2.1 Video
7
2.1.1 Citra
8
2.1.2 Jenis Jenis Citra Digital
8
2.2 Information Retrieval (IR)
11
2.2.1 Video Retrieval
11
2.3 Content Based Video Retrieval (CBVR)
12
Universitas Sumatera Utara
ix
2.3.1 Segmentasi Video
13
2.3.2 Ekstraksi Keyframe
14
2.3.3 Ekstraksi Fitur
14
2.3.4 Pencocokan Fitur
14
2.4 Speeded-Up Robust Features (SURF)
15
2.5 Efektivitas Information Retrieval System (IRS)
16
2.6 Penelitian Yang Terdahulu
17
Bab 3 Analisis dan Perancangan
3.1 Analisis Sistem
20
3.1.1 Analisis Masalah
20
3.1.2 Analisis Kebutuhan
22
3.1.2.1 Kebutuhan Fungsional
22
3.1.2.2 Kebutuhan Nonfungsional
23
3.1.3 Analisis Proses
23
3.2 Perancangan Sistem
24
3.2.1 Pemodelan Sistem
24
3.2.1.1 Use Case Diagram
24
3.2.1.2 Activity Diagram
28
3.2.1.3 Sequence Diagram
30
3.2.2 Flowchart
31
3.2.2.1 Flowchart Sistem
31
3.2.3 Perancangan Antarmuka (Interface)
32
Bab 4 Implementasi dan Pengujian Sistem
4.1 Implementasi Sistem
40
4.1.1 Tampilan Antarmuka Form Home
40
4.1.2 Tampilan Antarmuka Form Video
41
4.1.3 Tampilan Antarmuka Form Tambah Video
42
4.1.4 Tampilan Antarmuka Form Player
43
4.1.5 TampilanAatramuka Form SURF
44
4.1.6 Penjelasan
45
4.2 Pengujian Sistem
48
Universitas Sumatera Utara
x
4.2.1 Koleksi Video
48
4.2.2 Pengujian SistemDengan Query Bukan Frame
49
4.2.3 PengujianSistemDengan Query Dari Frame
51
4.3 HasilPengujian
57
4.3.1 HasilPengujianSistemDengan Query Bukan Frame
57
4.3.2 HasilPengujianSistemdengan Query Dari Frame
59
4.4 Parameter Penguji
66
4.4.1 Parameter PengujiHasilSistemDengan Query Bukan Frame
67
4.4.2 Parameter PengujiHasilSistemDengan Query Dari Frame
68
4.5. Grafik Parameter Recall, Precision dan Running Time
70
4.5.1 Grafik Parameter Recall, Precision dan Running Time
terhadap Query Bukan Frame
70
4.5.2 Grafik Parameter Recall, Precision dan Running Time
terhadap Query Dari Frame
Bab 5 Penutup
71
75
5.1 Kesimpulan
75
5.2 Saran
76
Daftar Pustaka
Lampiran
77
A-1
Universitas Sumatera Utara
xi
DAFTAR TABEL
Nomor
Tabel
Nama Tabel
3.1
Dokumentasi naratif Use-case Mencari Video Relevan
berdasarkan Query
Dokumentasi naratif Use-case Segmentasi Video
Dokumentasi naratif Use-case Ekstraksi Keyframe
Dokumentasi naratif Use-case Ekstraksi Fitur
Dokumantasi naratif Use-case Pencocokan Fitur
Keterangan Gambar Rancangan Interface Halaman Awal
Keterangan Gambar Rancangan Interface Halaman Data Video
Keterangan
Gambar
Rancangan
Interface
Halaman
Penambahan Video
Keterangan Gambar Rancangan Interface Halaman Pemutar
Video
Keterangan Gambar Rancangan Interface Halaman Pencarian
Video Relevan
DaftarKoleksi Video
Daftar Query Bukan Frame
Daftar Query Dari Frame
HasilPengujianSistemdengan Citra Query Bukan Frame
HasilPengujianSistemdengan Citra Query Dari Frame
Hasil Parameter PengujianSistemDengan Query Bukan Frame
Hasil Parameter PengujianSistemDengan Query Dari Frame
3.2
3.3
3.4
3.5
3.6
3.7
3.8
3.9
3.10
4.1
4.2
4.3
4.4
4.5
4.6
4.7
Halaman
25
26
26
27
27
33
35
36
38
39
48
50
51
58
60
67
68
Universitas Sumatera Utara
xii
DAFTAR GAMBAR
Nomor
Gambar
Nama Gambar
Halaman
2.1
Koordinat Citra Digital
8
2.2
ContohGambar Citra RGB
9
2.3
ContohGambar Citra Grayscale
10
2.4
ContohGambar Citra Biner
10
2.5
Proses Content Based Video Retrieval
13
2.6
Segmentasi Video
13
3.1
Ishikawa Diagram Sistem
21
3.2
Use-case Diagram Sistem
25
3.3
Activity Diagram Sistem
29
3.4
Sequence Diagram Sistem
30
3.5
FlowchartSistem
31
3.6
RancanganHalamanAwal
33
3.7
RancanganHalaman Data Video
34
3.8
RancanganHalamanPenambahan Video
36
3.9
RancanganHalamanPemutar Video
37
3.10
RancanganHalamanPencarian Video Relevan
38
4.1
Form Home
41
4.2
Form Video
42
4.3
Form Tambah Video
43
4.4
Form Player
44
4.5
Form SURF
45
4.6
Proses Scale Space
46
4.7
Ilustrasi Proses Scale Space dengan Filtering Berkala
46
4.8
Ilustrasi Integral Image
47
4.9
Grafik Running Time Query Bukan Frame
70
Universitas Sumatera Utara
xiii
4.10
Grafik Running Time, Recall dan Precision Query Bukan
71
Frame
4.11
Grafik Running Time Query Dari Frame
72
4.12
Grafik Running Time, Recall dan Precision Query Bukan
73
Frame
4.13
Nilai Rata-Rata Recall dan Precision Query Dari Frame
73
SetiapKategori
Universitas Sumatera Utara
xiv
DAFTAR LAMPIRAN
Lampiran 1
Listing Program
A-1
Lampiran 2
Curriculum Vitae
B-1
Universitas Sumatera Utara
SPEEDED-UP ROBUST FEATURES(SURF)
SKRIPSI
EVI P. MARPAUNG
131401107
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2017
Universitas Sumatera Utara
IMPLEMENTASI CONTENT BASED VIDEO RETRIEVAL MENGGUNAKAN SPEEDEDUP ROBUST FEATURES(SURF)
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah
Sarjana Ilmu Komputer
EVI P. MARPAUNG
131401107
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2017
Universitas Sumatera Utara
ii
PERSETUJUAN
: IMPLEMENTASI CONTENT BASED VIDEO
RETRIEVAL MENGGUNAKAN SPEEDED-UP
ROBUST FEATURES (SURF)
Kategori
: SKRIPSI
Nama
: EVI P. MARPAUNG
Nomor Induk Mahasiswa : 131401107
Program Studi
: SARJANA (S-1) ILMU KOMPUTER
Departemen
: ILMU KOMPUTER
Fakultas
: FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI UNIVERSITAS SUMATERA UTARA
Judul
Diluluskan di
Medan,
Juli 2017
Komisi Pembimbing :
Pembimbing 2
Pembimbing 1
Jos Timanta Tarigan, S.Kom., M.Sc
Dr. Poltak Sihombing, M.Kom.
NIP. 198501262015041001
NIP. 196203171991031001
Diketahi/disetujui oleh
Program Studi S-1 Ilmu Komputer
Ketua,
Dr. Poltak Sihombing, M.Kom.
NIP. 196203171991031001
Universitas Sumatera Utara
iii
PERNYATAAN
IMPLEMENTASI CONTENT BASED VIDEO RETRIEVAL MENGGUNAKAN
SPEEDED-UP ROBUST FEATURES (SURF)
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa
kutipan dan ringkasan yang masing – masing telah disebutkan sumbernya.
Medan,
Juli 2017
Evi P. Marpaung
131401107
Universitas Sumatera Utara
iv
UCAPAN TERIMA KASIH
Segala puji, syukur, hormat, serta kemuliaan hanya bagi Tuhan Yesus Kristus,Allah
luar biasa yang telah memberikan kesempatan kepada penulis untuk mengerjakan dan
menyelesaikan skripsi ini, sebagaisyaratuntukmemperolehgelarSarjanaKomputerpada
Program Studi S1 IlmuKomputerUniversitas Sumatera Utara. Dalam pengerjaan studi
dan penulisan skripsi ini, penulis telah menerima banyak dukungan berupa doa,
pemikiran,
kerjasama,
semangat,
pihak.Penulisinginmenyampaikan
rasa
dan
dana
dari
hormatdanterimakasih
yang
berbagai
sebesar–
besarnyakepada :
1.
Bapak Prof. Dr. RuntungSitepu, S.H., M.Humselaku Rektor Universitas Sumatera
Utara.
2.
Bapak Prof. Dr. Opim Salim Sitompul, M.Sc, selaku Dekan Fakultas Ilmu
Komputer dan Teknologi Informasi, Universitas Sumatera Utara.
3.
Bapak Dr. Poltak Sihombing, M.Kom selaku Ketua Program Studi S1 Ilmu
Komputer Universitas Sumatera Utara dan sekaligus Dosen Pembimbing I yang
telah memberikan bimbingan, saran, masukan, dan dukungan kepada penulis
dalam pengerjaan skripsi ini.
4.
BapakJos Timanta Tarigan, S.Kom, M.Scselaku Dosen Pembimbing II yang telah
memberikan bimbingan, saran, dan masukan kepada penulis dalam pengerjaan
skripsi ini.
5.
Bapak M. AndriBudiman, S.T., M.Comp.Sc., M.E.M selaku Dosen PembandingI
yang telah memberikan kritik dan saran untuk penyempurnaan skripsi ini.
6.
IbuAmalia, S.T, M.Tselaku Dosen Pembanding II yang memberikan kritik dan
saran untuk penyempurnaan skripsi ini.
7.
Seluruh tenaga pengajar dan pegawai Program Studi S1 Ilmu Komputer
Fasilkom-TI USU .
8.
AyahandaAlm. Doras Parulian MarpaungdanIbundaSiti Swarni Simbolonyang
selalu memberikan doa dan dukungan serta kasih sayang kepada penulis,
sertaadik – adik tersayangAnggi N. MarpaungdanMarisa Marpaungyang
Universitas Sumatera Utara
v
terusmemberikandukungan
dan
doronganbagipenulisuntukmenyelesaikanskripsiini.
9.
Lorent Oliver Barus, S.Kom , sahabat terkasih yang telah banyak membantu
penulis melalui doa dan dukungan yang diberikan agar penulis tetap semangat
dalam mengerjakan skripsi ini.
10. Sahabat penulis, IOTA (Agustin Sri Intan Sinaga, S.Kom., Endang Pranata
Tambunan, Hanna Saraswati Manullang, Laura Angelina Hasibuan, Yuni Marlina
Kristiani Nainggolan, S.Kom) yang telah banyak memberikan doa, dukungan dan
semangat selama menjalani proses perkuliahan dan penyelesaian skripsi ini.
11. Kelompok Tumbuh Bersama, yaituErwin M.H. Sinaga, Exaudi Naipospos
Bagariang, Daniel Hamonagan Siregar, Ezra Yunio Sirait, serta Aditia Arisha
Putra Kaban yang telah memberikan doa dan dukungan selama penulis menjalani
masa perkuliahan dan pengerjaan skripsi.
12. Keluarga KMKI yang telah banyak memberikan doa dan semangat kepada
penulis dalam penyelesaian skripsi ini.
13. Teman – teman kuliah Ilmu Komputer Stambuk 2013 khususnya untuk KOM B
yang telah banyak memberikan motivasi dan semangat dalam menyelesaikan
skripsi ini.
14. Dan semuapihak yang telahbanyakmembantu yang tidakbisadisebutkansatupersatu.
Semogasemuakebaikan,
bantuan,
perhatian,
sertadukungan
yang
telahdiberikankepadapenulismendapatkanpahala yang melimpahdariTuhan Yang Maha
Esa.
Medan, Juli2017
Penulis
Universitas Sumatera Utara
vi
ABSTRAK
Temu balik video ataupun temu balik video berdasarkan konten gambar adalah salah
satu bidang penelitian dari sistem temu balik informasi. Content Based Video
Retrieval memiliki empat tahapan yaitu segmentasi video yang menghasilkan frame –
frame, ekstraksi keyframe merupakan tahapan memilih frame kunci dari semua frame
koleksi video, tahapan ekstraksi fitur menggunakan algoritma Speeded-Up Robust
Features (SURF). Surf adalah detektor dan deskriptor fitur citra yang cepat. Dan kini
banyak digunakan secara luas dalam aplikasi kompter visual seperti dalam aplikasi
temu balik video.Surf pertama kali dipresentasikan oleh Herbert Bay pada konferensi
Eropa 2006 tentang Computer Vision dan sebagian terinspirasi oleh Scale-Invariant
Features Transform (SIFT). Titik interest atau key point dari citra query dan keyframe
direpresentasikan oleh vektor yang kemudian akan dibandingkan dalam tahap
pencocokan fitur. Tahap pencocokan fitur dilakukan dengan membandingkan nilai
fitur pada queryyang diberikan dengan keyframe pada koleksi video setiap kategori.
Parameter yang digunakan untuk mengukur kualitas dari hasiltemu balik video adalah
nilai dari Recall, Precision, dan Running Time. Berdasarkan hasil pengujian
menggunakan 2 jenis query, Query Bukan Frame yaitu query yang diambil diluar
frame koleksi video dan Query Dari Frame yang diambil dari frame koleksi video.rata
rata nilai Recall54,75%, nilai rata – rata Precision 37,5%, serta nilai Running Time
73,56 detik. Query Dari Frame dengan nilai rata – rata Recall 51%, nilai rata – rata
Precision 59%, dan Running Time 121,67 detik.
Kata Kunci : Video, Citra, Temu Balik, Ekstraksi Fitur, Content Based Video
Retrieval (CBVR), Speeded-Up Robust Features (SURF).
Universitas Sumatera Utara
vii
IMPLEMENTATION OF CONTENT BASED VIDEO RETRIEVAL WITH
SPEEDED-UP ROBUST FEATURES (SURF)
ABSTRACT
Image Retrieval (IR) or Content-Based Image Retrieval (CBIR) is a well-known field
of research in Information Retrieval System (IRS). Content Based Video Retrieval has
four stages: video segmentation that produces frames, keyframe extraction is the stage
of selecting key frames of all video frames, feature extraction stages using SpeededUp Robust Features (SURF) algorithm. Surf is a fast image detector and descriptor
feature. It is now widely used in visual compiler applications such as in video.Surf
backlash apps were first presented by Herbert Bay at the 2006 European conference
on Computer Vision and partly inspired by the Scale-Invariant Features Transform
(SIFT). The interest point or key point of the query image and keyframe is represented
by the vector which will then be compared in the feature matching stage. The feature
matching stage is performed by comparing the feature value of the given query with
the keyframe on the video collection of each category. The parameters used to
measure the quality of video feedbacks are the values of Recall, Precision, and
Running Time. Based on the test results using two types of queries, Query Not Frame
is a query that is taken outside the frame of the video collection and Query From
Frame taken from frame collection video.Average Recall value 54.75%, Precision
average 37.5%, and Running Time value 73.56 seconds. Query From Frame with
Recall 51% average value, Precision 59% average value, and Running Time 121.67
sec.
Keywords : Video, Image, Retrieval, Feature Extraction, Content Based Video
Retrieval (CBVR), Speeded-Up Robust Features (SURF).
Universitas Sumatera Utara
viii
DAFTAR ISI
Persetujuan
ii
Pernyataan
iii
Penghargaan
iv
Abstrak
vi
Abstract
vii
Daftar Isi
viii
Daftar Tabel
xi
Daftar Gambar
xii
Daftar Lampiran
xiv
Bab 1 Pendahuluan
1.1 Latar Belakang
1
1.2 Rumusan Masalah
2
1.3 Batasan Masalah
2
1.4 Tujuan Penelitian
3
1.5 Manfaat Penelitian
3
1.6 Metode Penelitian
3
1.7 Sistematika Penelitian
4
Bab 2 Landasan Teori
2.1 Video
7
2.1.1 Citra
8
2.1.2 Jenis Jenis Citra Digital
8
2.2 Information Retrieval (IR)
11
2.2.1 Video Retrieval
11
2.3 Content Based Video Retrieval (CBVR)
12
Universitas Sumatera Utara
ix
2.3.1 Segmentasi Video
13
2.3.2 Ekstraksi Keyframe
14
2.3.3 Ekstraksi Fitur
14
2.3.4 Pencocokan Fitur
14
2.4 Speeded-Up Robust Features (SURF)
15
2.5 Efektivitas Information Retrieval System (IRS)
16
2.6 Penelitian Yang Terdahulu
17
Bab 3 Analisis dan Perancangan
3.1 Analisis Sistem
20
3.1.1 Analisis Masalah
20
3.1.2 Analisis Kebutuhan
22
3.1.2.1 Kebutuhan Fungsional
22
3.1.2.2 Kebutuhan Nonfungsional
23
3.1.3 Analisis Proses
23
3.2 Perancangan Sistem
24
3.2.1 Pemodelan Sistem
24
3.2.1.1 Use Case Diagram
24
3.2.1.2 Activity Diagram
28
3.2.1.3 Sequence Diagram
30
3.2.2 Flowchart
31
3.2.2.1 Flowchart Sistem
31
3.2.3 Perancangan Antarmuka (Interface)
32
Bab 4 Implementasi dan Pengujian Sistem
4.1 Implementasi Sistem
40
4.1.1 Tampilan Antarmuka Form Home
40
4.1.2 Tampilan Antarmuka Form Video
41
4.1.3 Tampilan Antarmuka Form Tambah Video
42
4.1.4 Tampilan Antarmuka Form Player
43
4.1.5 TampilanAatramuka Form SURF
44
4.1.6 Penjelasan
45
4.2 Pengujian Sistem
48
Universitas Sumatera Utara
x
4.2.1 Koleksi Video
48
4.2.2 Pengujian SistemDengan Query Bukan Frame
49
4.2.3 PengujianSistemDengan Query Dari Frame
51
4.3 HasilPengujian
57
4.3.1 HasilPengujianSistemDengan Query Bukan Frame
57
4.3.2 HasilPengujianSistemdengan Query Dari Frame
59
4.4 Parameter Penguji
66
4.4.1 Parameter PengujiHasilSistemDengan Query Bukan Frame
67
4.4.2 Parameter PengujiHasilSistemDengan Query Dari Frame
68
4.5. Grafik Parameter Recall, Precision dan Running Time
70
4.5.1 Grafik Parameter Recall, Precision dan Running Time
terhadap Query Bukan Frame
70
4.5.2 Grafik Parameter Recall, Precision dan Running Time
terhadap Query Dari Frame
Bab 5 Penutup
71
75
5.1 Kesimpulan
75
5.2 Saran
76
Daftar Pustaka
Lampiran
77
A-1
Universitas Sumatera Utara
xi
DAFTAR TABEL
Nomor
Tabel
Nama Tabel
3.1
Dokumentasi naratif Use-case Mencari Video Relevan
berdasarkan Query
Dokumentasi naratif Use-case Segmentasi Video
Dokumentasi naratif Use-case Ekstraksi Keyframe
Dokumentasi naratif Use-case Ekstraksi Fitur
Dokumantasi naratif Use-case Pencocokan Fitur
Keterangan Gambar Rancangan Interface Halaman Awal
Keterangan Gambar Rancangan Interface Halaman Data Video
Keterangan
Gambar
Rancangan
Interface
Halaman
Penambahan Video
Keterangan Gambar Rancangan Interface Halaman Pemutar
Video
Keterangan Gambar Rancangan Interface Halaman Pencarian
Video Relevan
DaftarKoleksi Video
Daftar Query Bukan Frame
Daftar Query Dari Frame
HasilPengujianSistemdengan Citra Query Bukan Frame
HasilPengujianSistemdengan Citra Query Dari Frame
Hasil Parameter PengujianSistemDengan Query Bukan Frame
Hasil Parameter PengujianSistemDengan Query Dari Frame
3.2
3.3
3.4
3.5
3.6
3.7
3.8
3.9
3.10
4.1
4.2
4.3
4.4
4.5
4.6
4.7
Halaman
25
26
26
27
27
33
35
36
38
39
48
50
51
58
60
67
68
Universitas Sumatera Utara
xii
DAFTAR GAMBAR
Nomor
Gambar
Nama Gambar
Halaman
2.1
Koordinat Citra Digital
8
2.2
ContohGambar Citra RGB
9
2.3
ContohGambar Citra Grayscale
10
2.4
ContohGambar Citra Biner
10
2.5
Proses Content Based Video Retrieval
13
2.6
Segmentasi Video
13
3.1
Ishikawa Diagram Sistem
21
3.2
Use-case Diagram Sistem
25
3.3
Activity Diagram Sistem
29
3.4
Sequence Diagram Sistem
30
3.5
FlowchartSistem
31
3.6
RancanganHalamanAwal
33
3.7
RancanganHalaman Data Video
34
3.8
RancanganHalamanPenambahan Video
36
3.9
RancanganHalamanPemutar Video
37
3.10
RancanganHalamanPencarian Video Relevan
38
4.1
Form Home
41
4.2
Form Video
42
4.3
Form Tambah Video
43
4.4
Form Player
44
4.5
Form SURF
45
4.6
Proses Scale Space
46
4.7
Ilustrasi Proses Scale Space dengan Filtering Berkala
46
4.8
Ilustrasi Integral Image
47
4.9
Grafik Running Time Query Bukan Frame
70
Universitas Sumatera Utara
xiii
4.10
Grafik Running Time, Recall dan Precision Query Bukan
71
Frame
4.11
Grafik Running Time Query Dari Frame
72
4.12
Grafik Running Time, Recall dan Precision Query Bukan
73
Frame
4.13
Nilai Rata-Rata Recall dan Precision Query Dari Frame
73
SetiapKategori
Universitas Sumatera Utara
xiv
DAFTAR LAMPIRAN
Lampiran 1
Listing Program
A-1
Lampiran 2
Curriculum Vitae
B-1
Universitas Sumatera Utara