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

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

Universita Sumatera Utara


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


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:


Beserta perangkat yang ada (jika diperlukan). Dengan Hak Bebas Royalti NonEksklusif 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.


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

: [email protected]

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.


Hendrik Siagian NIM:107038003


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 PERNYATAAN ORISINALITAS PERNYATAAN PERSETUJUAN PUBLIKASI PANITIA PENGUJI TESIS RIWAYAT HIDUP UCAPAN TERIMA KASIH ABSTRAK ABSTRACT DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR

ii iii iv v vi vii ix x xi xiii xiv

BAB 1

PENDAHULUAN 1.1 Latar Belakang 1.2 Rumusan Masalah 1.3 Batasan Masalah 1.4 Tujuan Penelitian 1.5 Manfaat Penelitian

1 1 3 3 4 4

BAB 2

TINJAUAN PUSTAKA 2.1 Information Retrieval 2.2 Image Retrieval Method 2.3 Citra Digital 2.4 Pengolahan Citra Digital 2.4.1. Ruang Warna (Color Space) 2.4.2. Operasi Ambang Batas (Thresholding) 2.4.3. Histogram Warna Konvensional 2.4.4. Pendeteksian Tepi 2.4.5. Tekstur 2.4.6. Co-ocurence Matrix 2.5 Cosine Similarity 2.6 Formula Bayes 2.6.1 Bayesian Network 2.7 Recall dan Precision 2.8 Riset-riset Terkait 2.9 Persamaan dengan Riset-riset Lain 2.10 Perbedaan dengan Riset-riset Lain 2.11 Kontribusi Riset

5 5 6 6 8 11 15 16 16 18 19 21 22 22 23 26 28 28 28

BAB 3

METODOLOGI PENELITIAN 3.1 Pelaksanaan Penelitian 3.2 Blok Diagram Proses

30 30 31


3.3 Proses Ekstraksi Fitur Citra 3.3.1 Ekstraksi Fitur Warna 3.3.2 Ekstraksi Fitur Bentuk 3.3.3 Ekstraksi Fitur Textur 3.3.4 Model Jaringan Bayesian 3.3.5 Evaluasi Hasil Temu-Kembali 3.4 Perancangan Sistem 3.4.1 Folder Sistem 3.4.2 Perancangan Antar-Muka Pemakai

33 34 34 35 36 37 37 38 38

BAB 4

HASIL DAN PEMBAHASAN 4.1 Pendahuluan 4.2 Data Citra 4.3 Aplikasi Face Image Retrieval 4.3.1 Menampilkan File Citra Wajah Query 4.3.2 Melaksanakan Proses Pencarian 4.3.3 Melihat Hasil Pencarian 4.3.4 Melihat Citra Sumber Wajah 4.4 Pembahasan 4.4.1 Pembangunan Indeks Fitur 4.4.2 Ekstraksi Fitur Warna 4.4.3 Ekstraksi Fitur Bentuk 4.4.4 Ekstraksi Fitur Tekstur 4.4.5 Pengukuran Kemiripan Fitur 4.5 Analisis Hasil

41 41 42 43 44 45 46 47 47 47 47 57 62 67 79

BAB 5

KESIMPULAN DAN SARAN 5.1 Kesimpulan 5.2 Saran

78 78 78

DAFTAR PUSTAKA LAMPIRAN KODE PROGRAM

80 82


DAFTAR TABEL

Halaman Tabel 2.1 Tabel 4.1 Tabel 4.2 Tabel 4.3 Tabel 4.4 Tabel 4.5 Tabel 4.6 Tabel 4.7 Tabel 4.8 Tabel 4.9 Tabel 4.10

Recall dan Precision Relasi File Citra Wajah dengan Citra Sumber Kuantisasi Ruang Warna dari Histogram HSI-162 bin Warna HSI dari Citra Wajah Histogram HSI-162 bin dari Citra Wajah Vektor Fitur Warna Citra Wajah Kuantisasi Sudut Tepi (θ) Vektor Fitur Bentuk Citra Wajah Vektor Fitur Tekstur Citra Wajah Ranking Citra Hasil Temu Kembali Nilai Recall dan Precision dari Pengukuran Fitur

25 42 49 54 55 56 61 62 66 76 77


DAFTAR GAMBAR

Halaman Gambar 2.1 Gambar 2.2 Gambar 2.3 Gambar 2.4 Gambar 2.5 Gambar 2.6 Gambar 2.7 Gambar 2.8 Gambar 2.9 Gambar 3.1 Gambar 3.2 Gambar 3.3 Gambar 3.4 Gambar 3.5 Gambar 3.6 Gambar 3.7 Gambar 3.8 Gambar 3.9 Gambar 4.1 Gambar 4.2 Gambar 4.3 Gambar 4.4 Gambar 4.5 Gambar 4.6 Gambar 4.7 Gambar 4.8 Gambar 4.9 Gambar 4.10 Gambar 4.11 Gambar 4.12 Gambar 4.13 Gambar 4.14 Gambar 4.15 Gambar 4.16 Gambar 4.17 Gambar 4.18 Gambar 4.19 Gambar 4.20 Gambar 4.21 Gambar 4.22 Gambar 4.23 Gambar 4.24

Interaksi User dengan Retrieval System Tahap-tahap Dasar Pengolahan Citra Digital Kedudukan dan Panjang Gelombang dari Cahaya Tampak Representasi Ruang Warna HSI (Hue, Saturation, Intensity) Matrik Konvolusi Pendeteksi Tepi Sobel Penyusunan Matriks co-occurence Model Umum Bayesian Network untuk CBIR Diagram Himpunan Dokumen Grafik Recall – Precision Blok Diagram Proses Pencuplikan Citra Wajah Blok Diagram Proses Pembangunan Indeks Fitur Blok Diagram Proses Temu-Kembali Citra Wajah Model Jaringan Bayesian Struktur Folder Sistim Face Image Retrieval (FIR) Rancangan Menu Rancangan Jendela Utama Rancangan Jendela Hasil Temu-Kembali Rancangan Antarmuka Citra Sumber Wajah Jendela Utama Aplikasi Face Image Retrieval Kotak Dialog Open File Citra Wajah Query Pilihan Pengukuran yang Tersedia Hasil Temu-Kembali dengan Ranking Citra Sumber Wajah Contoh Citra Wajah Data Warna Merah (Red) Data Warna Hijau (Green) Data Warna Biru (Blue) Data Warna H (hue) Data Warna S (saturation) Data Warna I (intensity) Data Warna Grayscale Matriks Hasil Deteksi Tepi Matriks Gradien Arah Horizontal (gx) Matriks Gradien Arah Vertikal (gy) Edge Direction Matrik Co-occurence Sudut 00 Matrik Co-occurence Sudut 450 Matrik Co-occurence Sudut 900 Matrik Co-occurence Sudut 1350 Jaringan Bayesian Pengukuran Fitur Citra Citra Query face000F.bmp

5 8 12 14 17 20 23 24 26 32 32 33 37 38 39 39 40 40 43 44 45 46 46 47 50 51 51 51 52 52 53 57 59 59 60 60 64 65 65 66 67 72


Gambar 4.25 Gambar 4.26 Gambar 4.27 Gambar 4.28 Gambar 4.29 Gambar 4.30

Citra Relevan dengan Citra Query Hasil Temu Kembali dengan Pengukuran Fitur Warna (Color) Hasil Temu Kembali dengan Pengukuran Fitur Bentuk (Shape) Hasil Temu Kembali dengan Pengukuran Fitur Tekstur (Texture) Hasil Temu Kembali dengan Pengukuran Fitur Gabungan Grafik Recall – Precision

73 74 74 75 75 77


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

Recommend Documents