PENENTUAN LOKASI PARKIR KOSONG MENGGUNAKAN ALGORITMA PROBABILISTIC NEURAL NETWORK (PNN)
SKRIPSI
JOKO KURNIANTO 121402102
PROGRAM STUDI S1 TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2017
Universitas Sumatera Utara
PENENTUAN LOKASI PARKIR KOSONG MENGGUNAKAN ALGORITMA PROBABILISTIC NEURAL NETWORK (PNN)
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Teknologi Informasi
JOKO KURNIANTO 121402102
PROGRAM STUDI S1 TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2017
Universitas Sumatera Utara
i
PERSETUJUAN
Judul
: PENENTUAN LOKASI PARKIR KOSONG MENGGUNAKAN ALGORITMA PROBABILISTIC NEURAL NETWORK (PNN)
Kategori
: SKRIPSI
Nama
: JOKO KURNIANTO
Nomor Induk Mahasiswa
: 121402102
Program Studi
: S1 TEKNOLOGI INFORMASI
Departemen
: TEKNOLOGI INFORMASI
Fakultas
: FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
Komisi Pembimbing
:
Pembimbing 2
Pembimbing 1
Dani Gunawan, ST., M.T
Romi Fadillah Rahmat, B.Comp.Sc., M.Sc
NIP. 19820915 201212 1 002
NIP. 19860303 201012 1 004
Diketahui/disetujui oleh Program Studi S1 Teknologi Informasi Ketua,
Romi Fadillah Rahmat, B.Comp.Sc., M.Sc NIP. 19860303 201012 1 004
Universitas Sumatera Utara
ii
PERNYATAAN
PENENTUAN LOKASI PARKIR KOSONG MENGGUNAKAN ALGORITMA PROBABILISTIC NEURAL NETWORK (PNN)
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, 20 Juli 2017
Joko Kurnianto 121402102
Universitas Sumatera Utara
iii
UCAPAN TERIMA KASIH
Puji dan syukur penulis sampaikan ke hadirat Tuhan Yang Maha Esa yang telah memberikan rahmat serta restu-Nya sehingga penulis dapat menyelesaikan skripsi ini sebagai syarat untuk memperoleh gelar Sarjana. Pertama, penulis ingin mengucapkan terima kasih kepada Bapak Romi Fadillah Rahmat, B.Comp.Sc., M.Sc selaku pembimbing pertama dan Bapak Dani Gunawan, ST., M.T selaku pembimbing kedua yang telah meluangkan waktu serta tenaganya untuk membimbing penulis dalam penelitian serta penulisan skripsi ini. Tanpa inspirasi serta motivasi yang diberikan oleh kedua pembimbing, tentunya penulis tidak akan dapat menyelesaikan skripsi ini. Penulis juga mengucapkan terima kasih kepada Bapak Seniman S.Kom.,M.Kom sebagai dosen pembanding pertama dan Bapak Ainul Hizriadi S.Kom.,M.Comp.Sc sebagai dosen pembanding kedua yang telah memberikan masukan serta kritik yang bermanfaat dalam penulisan skripsi ini. Ucapan terima kasih juga ditujukan kepada semua dosen serta pegawai di lingkungan Fakultas Ilmu Komputer dan Teknologi Informasi yang turut membantu serta membimbing penulis selama proses perkuliahan. Penulis tentunya tidak lupa berterima kasih juga kepada kedua orang tua penulis, yaitu Bapak Darman dan Ibu Sudarmi yang telah membesarkan penulis dengan sabar dan penuh kasih sayang, serta doa dan dukungan berupa moral maupun materil yang selalu menyertai selama ini. Penulis juga berterima kasih kepada seluruh anggota keluarga penulis yang namanya tidak dapat disebutkan satu persatu. Terima kasih juga penulis ucapkan kepada teman-teman yang telah memberikan dukungan dan bantuan selama masa perkuliahan ini, khususnya Dina Isnaini, Ramadan Putra Siregar, Indra Charisma, Abdur Rohman dan seluruh teman-teman angkatan 2012 dan mahasiswa Teknologi Informasi lainnya yang namanya tidak dapat disebutkan satu persatu.
Universitas Sumatera Utara
iv
ABSTRAK
Saat ini, kebutuhan parkir di tempat umum semakin meningkat dikarenakan tingginya jumlah mobil yang ada. Pengguna jasa parkir mobil pada umumnya masih mencari lokasi parkir yang kosong secara manual untuk dapat memarkirkan kendaraannya. Dengan perkembangan teknologi sekarang ini khususnya di bidang Image Processing diharapkan dapat menyelesaikan permasalahan tersebut. Oleh karena itu, penelitian ini menerapkan teknik Image Processing untuk menentukan lokasi parkir kosong atau terisi mobil yang berjalan secara real-time. Pada penelitian ini metode yang digunakan terbagi menjadi lima tahapan. Tahapan pertama adalah capturing image untuk mengambil citra lokasi parkir. Tahapan kedua adalah pre-processing yang terdiri dari proses saturation, grayscale dan thresholding. Tahapan ketiga adalah image segmentation untuk memotong citra menjadi lima bagian. Tahapan keempat adalah feature extraction yang akan menghasilkan nilai invariant moment. Tahapan terakhir adalah identification yaitu proses untuk menentukan lokasi parkir kosong atau terisi mobil. Hasil evaluasi yang didapat dari penelitian ini dengan data uji berjumlah 100 citra adalah akurasi yang mencapai 94%, rata-rata tingkat perolehan (recall) mencapai 94%, rata-rata tingkat ketepatan (precision) mencapai 94%.
Kata kunci : Image Processing, Lokasi Parkir, Probabilistic Neural Network, Identifikasi, Invariant Moment
Universitas Sumatera Utara
v
PENENTUAN LOKASI PARKIR KOSONG MENGGUNAKAN ALGORITMA PROBABILISTIC NEURAL NETWORK (PNN)
ABSTRACT
Nowadays, The need for parking lots in public places has been increasing due to the high amount of the cars. In general, people are still looking for the vacant parking lot manually to be able to park their cars. The recent technological developments, especially in Image Processing, is expected to solve the problem. Therefore, this research applied Image Processing technique to determine the locations of vacant or filled car parking lots that run in real-time. The used method are divided into five steps under this research. The first is image capturing to capture the parking location image. Then continue to the pre-processing step which consists of saturation, grayscale and thresholding process. The third step is image segmentation to cut the image into five pieces. Then followed by feature extraction which will generate invariant moment values. The final step is identification, the process to determine determine the locations of vacant or filled car parking lots. The result obtained from this research with 100 images as data testing is accuracy of 94% with 94% average recall rate and 94% for the precision rate.
Keywords : Image Processing, Parking Space, Probabilistic Neural Network, Identification, Invariant Moment
Universitas Sumatera Utara
vi
DAFTAR ISI
Hal. PERSETUJUAN
i
PERNYATAAN
ii
UCAPAN TERIMA KASIH
iii
ABSTRAK
iv
ABSTRACT
v
DAFTAR ISI
vi
DAFTAR TABEL
ix
DAFTAR GAMBAR
x
BAB 1 PENDAHULUAN
1
1.1. Latar Belakang
1
1.2. Rumusan Masalah
3
1.3. Tujuan Penelitian
3
1.4. Batasan Masalah
3
1.5. Manfaat Penelitian
4
1.6. Metodologi Penelitian
4
1.7. Sistematika Penulisan
5
BAB 2 LANDASAN TEORI
7
2.1. Citra Digital
7
2.1.1 Color image atau RGB (Red, Green, Blue)
7
2.1.2. Black and white
8
2.1.3. Binary Image
8
2.2. Pengolahan Citra
9
2.3. Pre-processing
10
2.4. Saturation
10
2.5. Grayscale
10
2.6. Thresholding
11
Universitas Sumatera Utara
vii
2.6.1 Thresholding Global
11
2.6.2. Thresholding Local
11
2.7. Feature Extraction
13
2.7.1 Ekstraksi fitur berdasarkan warna
13
2.7.1 Ekstraksi fitur berdasarkan tekstur
14
2.7.1 Ekstraksi fitur berdasarkan bentuk
15
2.8. Invariant Moment
16
2.9. Algoritma Identifikasi
18
2.10. Probabilistic Neural Network
18
2.11. Penelitian Terdahulu
20
BAB 3 ANALISIS DAN PERANCANGAN
23
3.1. Arsitektur Umum
23
3.2. Data yang Digunakan
24
3.2.1. Capturing Image
25
3.2.2. Data training
25
3.2.3. Data testing
26
3.3. Pre-processing
26
3.3.1. Saturation
27
3.3.2. Grayscale
27
3.3.3. Thresholding
28
3.4. Image Segmentation
28
3.5. Feature Extraction
29
3.6. Identification
36
3.6.1. Probabilistic Neural Network
36
3.7. Perancangan Sistem
36
3.7.1 Tampilan Utama
37
3.7.2. Tiket Parkir
38
3.7.3. Pengaturan Data Latih
39
3.7.4. Flowchart pengunjung
40
BAB 4 IMPLEMENTASI DAN PENGUJIAN
41
4.1. Spesifikasi Perangkat Keras dan Perangkat Lunak
41
Universitas Sumatera Utara
viii
4.2. Implementasi Perancangan Antarmuka
41
4.2.1. Halaman Utama
42
4.2.2. Tampilan hasil akhir
42
4.2.3. Form tiket
43
4.2.4. Halaman Pengaturan Data Latih
43
4.3. Hasil Pre-processing
44
4.4. Hasil Cropping
45
4.5. Hasil Feature Extraction
45
4.6. Hasil Probabilistic Neural Network (PNN)
46
4.7. Analisis Precision dan Recall
49
BAB 5 KESIMPULAN DAN SARAN
51
5.1. Kesimpulan
51
5.2. Saran
51
DAFTAR PUSTAKA
53
Universitas Sumatera Utara
ix
DAFTAR TABEL
Tabel 2.1. Penelitian Terdahulu
21
Tabel 3.1. Daftar Ukuran Slot Citra Parkir
29
Tabel 3.2. Hasil Perhitungan Matriks Citra
30
Tabel 3.3. Hasil Perhitungan Nilai Moment Pusat
30
Tabel 3.4. Hasil Perhitungan Nilai Moment Dimensi Citra A1
31
Tabel 3.5. Hasil Perhitungan Nilai Moment Dimensi Citra A2
31
Tabel 3.6. Hasil Perhitungan Nilai Moment Dimensi Citra A3
31
Tabel 3.7. Hasil Perhitungan Nilai Moment Dimensi Citra A4
32
Tabel 3.8. Hasil Perhitungan Nilai Moment Dimensi Citra A5
32
Tabel 3.9. Hasil Perhitungan Nilai Normalisasi Moment Pusat Citra A1
32
Tabel 3.10. Hasil Perhitungan Nilai Normalisasi Moment Pusat Citra A2
33
Tabel 3.11. Hasil Perhitungan Nilai Normalisasi Moment Pusat Citra A3
33
Tabel 3.12. Hasil Perhitungan Nilai Normalisasi Moment Pusat Citra A4
33
Tabel 3.13. Hasil Perhitungan Nilai Normalisasi Moment Pusat Citra A5
34
Tabel 3.14. Hasil Perhitungan Nilai Invariant Moment Citra A1
34
Tabel 3.15. Hasil Perhitungan Nilai Invariant Moment Citra A2
34
Tabel 3.16. Hasil Perhitungan Nilai Invariant Moment Citra A3
35
Tabel 3.17. Hasil Perhitungan Nilai Invariant Moment Citra A4
35
Tabel 3.18. Hasil Perhitungan Nilai Invariant Moment Citra A5
35
Tabel 3.19. Hasil Perhitungan PNN
36
Tabel 4.1. Contoh Hasil Pre-Processing
44
Tabel 4.2. Contoh Hasil Proses Cropping
45
Tabel 4.3. Contoh Hasil Feature Extraction Data Uji
45
Tabel 4.4. Contoh Hasil Feature Extraction Data Latih
46
Tabel 4.5. Hasil Deteksi Lokasi Parkir Menggunakan Algoritma PNN
47
Tabel 4.6. Analisis Hasil Penelusuran
50
Universitas Sumatera Utara
x
DAFTAR GAMBAR
Gambar 2.1. Lokasi Parkir Sebelum Dilakukan Proses Thresholding
12
Gambar 2.2. Lokasi Parkir Setelah Proses Thresholding
12
Gambar 3.1. Arsitektur Umum
24
Gambar 3.2. Data Training
26
Gambar 3.3. Data Testing
26
Gambar 3.4. Proses Saturation Citra
27
Gambar 3.5. Proses Grayscale Citra
27
Gambar 3.6. Proses Thresholding Citra
28
Gambar 3.7. Proses Cropping pada Citra Utuh
29
Gambar 3.8. Hasil Proses Cropping
29
Gambar 3.9. Rancangan Sistem Tampilan Utama
37
Gambar 3.10. Rancangan Sistem Tiket Parkir
38
Gambar 3.11. Rancangan Pengaturan Data Latih
39
Gambar 3.12. Flowchart pengunjung
40
Gambar 4.1. Halaman Utama
42
Gambar 4.2. Tampilan Hasil Akhir
43
Gambar 4.3. Form Tiket
43
Gambar 4.4. Halaman Input Citra Data Latih
44
Universitas Sumatera Utara
