I S S N: 2302450X
PROSI DI NG
SEMI NARNASI ONAL TEKNOLOGII NFORMASI&APLI KASI NYA 2015
“ I NOVAS ITEKNOL OGII NF ORMAS IDAN KOMUNI KAS IDAL AMMENUNJ ANG TECHNOP RENEURS HI P ” Ba l i , 23Ok t obe r2015
Pe ny e l e ng g a r a PS . T e k ni kI nf or mak a , J ur us a nI l muKomput e r F MI PA-Uni v e r s i t a sUda y a na Ka mpusBuk i tJ i mba r a n, Ba dungBa l i T e l p. ( 0361)701805 h p: / / ww. c s . unud. a c . i d
ISSN : 2302-450X
PROSIDING PERTEMUAN DAN PRESENTASI KARYA ILMIAH BALI, 23 OKTOBER 2015
PEMBICARA UTAMA SEMINAR PANEL DENGAN TEMA “Inovasi Teknologi Informasi dan Komunikasi dalam Menunjang Technopreneurship” Ir.Onno Widodo Purbo.M.Eng.Ph.D Putu Sudiarta, S.Kom
PENYUNTING AHLI Dr. Ahmad Ashari.M.Kom Dr. H. Agus Zainal Arifin, S.Kom.,M.Kom Agus Muliantara, S.Kom., M.Kom.
PELAKSANA SEMINAR
PELINDUNG Rektor Universitas Udayana, Bali
PENANGGUNG JAWAB Dekan Fakultas MIPA Universitas Udayana Ketua Program Studi Teknik Informatika, FMIPA Universitas Udayana
PANITIA I Gusti Agung Gede Arya Kadyanan,S.Kom.,M.Kom. I Dewa Made Bayu Atmaja Darmawan,S.Kom.,M.Cs. I Wayan Supriana,S.Si.,M.Cs. Ida Bagus Made Mahendra, S.Kom., M.Kom. I Komang Ari Mogi, S.Kom, M.Kom. I Made Widi Wirawan, S.Si., M.Cs. I Putu Gede Hendra Suputra, S.Kom., M.Kom. Ngurah Agus Sanjaya ER., S.Kom., M.Kom. Agus Muliantara, S.Kom.,M.Kom. I Made Widiartha,S.Si., M.Kom. Made Agung Raharja, S.Si., M.Cs. I Gusti Ngurah Anom Cahyadi Putra, S.T., M.Cs. I Gede Santi Astawa, S.T., M.Cs. Ida Bagus Gede Dwidasmara,S.Kom.,M.Cs. Dra. Luh Gede Astuti, M.Kom.
KATA PENGANTAR
Puji syukur kita panjatkan kehadirat Tuhan Yang Maha Esa, atas terselesainya penyusunan Proceeding SNATIA 2015 ini. Buku ini memuat naskah hasil penelitian dari berbagai bidang kajian yang telah direview oleh pakar dibidangnya dan telah dipresentasikan dalam acara Seminar SNATIA tahun 2015 pada tanggal 23 Oktober 2015 di Universitas Udayana kampus Bukit Jimbaran, Badung, Bali. Kegiatan SNATIA 2015 merupakan agenda tahunan Program Studi Teknik Informatika, Jurusan Ilmu Komputer, Universitas Udayana. SNATIA 2015 mengambil tema
“Inovasi
Teknologi
Informasi
dan
Komunikasi
dalam
Menunjang
Technopreneurship”, dengan pembicara utama seminar yang terdiri dari pakar-pakar peneliti dan Pemerhati dibidang Teknologi Informasi dan Technopreneurship. Meskipun kegiatan seminar dan pendokumentasian naskah dalam proceeding ini telah dipersiapkan dengan baik, namun kami menyadari masih banyak kekurangannya. Untuk itu panitia mohon maaf yang sebesar-besarnya, dan juga mengucapkan terimakasih atas kepercayaan dan kerjasamanya dalam kegiatan ini. Kritik dan saran perbaikan sangat diharapkan untuk penyempurnaan di masa mendatang, yang dapat dikirimkan melalui email
[email protected]. Kepada semua pihak yang terlibat, baik langsung maupun tidak langsung dalam penyelenggaraan
seminar,
dan
penyusunan
proceeding
SNATIA
2015,
panitia
mengucapkan terima kasih.
Denpasar, 17 Oktober 2015
Panitia SNATIA 2015
DAFTAR ISI Kata Pengantar Daftar Isi Analisis dan Perancangan Sistem Informasi Kehadiran Pegawai pada Pusat Penelitian Perkembangan IPTEK Lembaga Ilmu Pengetahuan Indonesia Warkim .............. ...............................................................................................
1
Kompresi Citra Medis dengan Wavelet Packet I Made Ari Dwi Suta Atmaja ..............................................................................
11
Ekstraksi Fitur Warna dan Tekstur untuk Clustered-Based Retrival if Images (CLUE) Sugiartha I Gusti Rai Agung ...............................................................................
16
Peningkatan Kemampuan Guru dalam Menggunakan Geogebra sebagai Media Pembelajaran Matematika SMP Luh Putu Ida Harini ............................................................................................
21
Perbandingan Model Pembelajaran Kooperatif Tipe Belajar Bersama Menggunakan Media Google Drive dan Tanpa Google Drive Desak Putu Eka Nilakusuma...............................................................................
28
Analisa Faktor-Faktor yang Mempengaruhi Actual Usage dalam Penggunaan Tiket Elektronik dengan Menggunakan Technology Acceptance Model (TAM) Studi Kasus PT.KAI Commuter Jabodetabek Enok Tuti Alawiah ..............................................................................................
35
Pemanfaatan Aplikasi Google Docs sebagai Media Pembinaan Karya Ilmiah Remaja Komang Dharmawan ..........................................................................................
45
Penerapan WAN dengan Protokol Routing RIP dan Passive Interfaces sebagai Pemilihan Jalur Menggunakan GNS3 Anggarda Sanjaya ...............................................................................................
49
Perancangan dan Implementasi Sistem Informasi Maajemen Rumah Sakit pada Unit Rawat Inap Studi Kasus Rumah Sakit Umum Famili Husada I Dewa Ayu Kompyang Putri Utari ....................................................................
54
Perancangan dan Implementasi Sistem Informasi Manajemen Rumah Sakit Umum Famili Husada pada Unit Poliklinik I G.Ag.Sri Ag. Chandra Kusuma ........................................................................
62
Mengukur Kinerja Load Balancing pada Sistem Cloud Computing dengan Parameter Throughput I Gusti Ngurah Ary Juliantara .............................................................................
71
Perancangan dan Implementasi Sistem Informasi Manajemen Gudang pada Rumah Sakit Famili Husada Luh Gede Apryta Astaridewi ..............................................................................
77
Perancangan Website E-Commerce pada Toko Gadget Online Store Ni Kadek Dwi Asri .............................................................................................
85
Segmentasi Citra Tulisan Tangan Karakter Aksara Bali Menggunakan Metode Profile Projection Ni Wayan Deviyanti Septiari ..............................................................................
91
Klasifikasi Penyakit Anak pada Proses Retrieve dalam Sistem Pakar Berbasis Case Based Reasoning (CBR) dengan Metode Nearest Neighbour Ni Wayan Ririn Puspita Dewi ............................................................................
98
Perancangan dan Implementasi Sistem Informasi Manajemen Instalasi Gawat Darurat pada Rumah Sakit Famili Husada Putu Ita Purnama Yanti .......................................................................................
105
Analisis dan Perancangan Sistem Informasi Geografis Berbasis Web untuk Mengetahui Ketersedian Air Tanah di Provinsi Bali Made Dinda Pradnya Pramita .............................................................................
112
Perancangan dan Implementasi Sistem Informasi Manajemen Rumah Sakit pada Unit Radiologi – Studi Kasus Rumah Sakit Umum Famili Husada I Putu Agustina .. ................................................................................................
120
Pengamanan File Video MP4 dengan Metode Enkripsi Menggunakan Algoritma RC5 Rahmantogusnyta Mariantisna ...........................................................................
128
Perancangan dan Implementasi Sistem Informasi Geografis Pariwisata di Bali Berbasis Web Deni Supriawan.. ................................................................................................
133
EKTRAKSI FITUR WARNA DAN TEKSTUR UNTUK CLUSTERED-BASED RETRIEVAL OF IMAGES (CLUE) Sugiartha I Gusti Rai Agung 1 , Sudarma Made 2 , Oka Widyantara I Made 2 1
STMIK STIKOM Bali Jl. Raya Puputan No 86 Renon, Denpasar, Bali 2 Magister Teknik Elektro, Universitas Udayana Jl. PB. Sudirman, Denpasar, Bali Email:
[email protected] 1 ,
[email protected] 2 ,
[email protected] 2
ABSTRAK Gambar(citra) merupakan media yang digunakan untuk menyimpan data visual, sebagai contoh gambar dua dimensi yang sering dipergunakan untuk menyimpan suatu kejadian. Tidak bisa dipungkiri kebiasaan untuk menyimpan gambar pada media internet sangat pesat. Terdapat banyak konten gambar, video, teks atau konten yang lainnya di jaringan Internet. Image Index dan temu citra kembali menjadi topik penelitian dalam dekade terakhir ini dimana terkonsentrasi pada bagaimana cara mendapatkan makna dari sebuah informasi yang terkandung dalam sebuah gambar. Tiga met ode secara garis besar dalam pencarian sebuah gambar, yaitu temu kembali gambar berbasis teks, temu kembali gambar berbasis konten, dan pengindeksan gambar dengan tatanan bahasa. Penelitian ini berfokus pada penyiapan fitur dari sebuah gambar berdasarkan warna dan tekstur. Fitur warna menggunakan nilai rata -rata Hue gambar, fitur tekstur menggunakan Gray Level Occurance Matrix (GLCM). Teknik ektraksi warna dan tekstur menghasilkan 6 (enam) buah fitur yang mampu digunakan sebagai fitur di proses Clustering g ambar. Kata Kunci: Ektraksi Fitur Warna, Ektraksi Fitur Tekstur, Gray Level Occurance Matrix, Clustered-Based Retrieval of Images. ABSTRACT Picture (image) is a media that used for storing visual data, for example, two-dimensional images are often used to store an incident. Images on the internet media growth very rapidly. There are a lot of image, video, text or other content on the Internet. Image Index and image ret rieval again become a topic of research in the last decade in which concentrated on how to get the meaning of an information contained in an image. Three methods outlined in the search for an image, the text-based image retrieval, content-based image retrieval and indexing images in the order of language. This study focuses on the preparation of the features of an image based on color and texture. Features colors using the average value of Hue image, texture features using Gray Level occurance Matrix (GLCM). Color and texture extraction technique resulted in six (6) feature that can be used as features in the process of Clustering. Keywords: isi kata kunci, Times New Roman 10, Normal, kecuali untuk kata asing harus Italic.
1
PENDAHULUAN
tema tertentu. Proses pencarian dan penjelajahan sebuah gambar pada sekumpulan gambar yang banyak tentu akan membutuhkan waktu yang sangat lama. Image Index dan temu kembali gambar menjadi topik penelitian dalam dekade terakhir ini dimana terkonsentrasi pada bagaimana cara mendapatkan makna dari sebuah informasi yang terkandung dalam sebuah gambar. Secara garis besar metode dalam pencarian gambar, yaitu temu kembali gambar berbasis teks, temu kembali gambar berbasis konten, dan pengindeksan gambar dengan tatanan bahasa. Temu kembali gambar berbasis teks merupakan pencarian gambar dengan format permintaan biasa, dimana algoritmanya dibedakan menjadi 2 (dua) yaitu berbasis teks dan metode konten. Berbasis teks menggunakan kata kunci atau
Gambar(citra) merupakan media yang digunakan untuk menyimpan data visual, sebagai contoh gambar dua dimensi yang sering dipergunakan untuk menyimpan suatu kejadian. Gambar akan menyimpan data dan bisa dijadikan sebuah informasi. Gambar akan dikumpulkan pada sebuah tempat yang kemudian hari bisa diambil dan dipergunakan. Tidak bisa dipungkiri kebiasaan untuk menyimpan gambar pada media internet sangat pesat. Terdapat banyak konten gambar, video, teks atau konten yang lainnya di jaringan Internet. Ini memberikan manfaat apabila ada pengguna yang berkeinginan menggunakan sebuah gambar dengan 16
Sugiartha I Gusti Rai Agung, Ektraksi Fitur Warna dan Tekstur untuk Clustered-Based Retrieval of Images (CLUE)
kata yang secara kontekstual terkandung dalam gambar tersebut. Metode ini sudah digunakan oleh Google Image dan Lycos Multimedia Search. Temu kembali gambar berbasis konten merupakan pencarian gambar dengan format pencarian menggunakan nilai dari piksel warna, metode ini dinamakan Content-Based Image Retrieval (CBIR). CBIR merupakan teknik yang dipergunakan untuk pencarian dan penjelajahan di kumpulan gambar yang jumlahnya besar. Teknik yang digunakan dalam CBIR adalah mengumpulkan, mengurutkan dan memilah beberapa gambar berdasarkan kemiripan fitur yang terdapat dalam sebuah gambar (Chen, Yixin. 2005). Skema CLUE (CLustered-based rEtrieval of images) dengan menggunakan pembelajaran mesin tanpa pengawasan (machine unsupervised learning) dengan menggunakan metode clustering yang berbasiskan dari kemiripan konten yang dijadikan acuan pencarian oleh pengguna. Skema CLUE memiliki 2 tahapan utama yaitu enrollment phase dan image retrieval. Pada penelitian ini berfokus pada Enrollment Phase, dimana tahapan ini merupakan proses ekstraksi gambar, penentuan fitur yang akan digunakan dalam proses clustering gambar berikutnya.
2
MODEL, ANALISIS, DESAIN, DAN IMPLEMENTASI
2.1 Sistematika Penelitian Penelitian merupakan suatu investigasi yang empiris, sistematis, terkontrol, dan kritis dari suatu proposal hipotesis mengenai hubungan tertentu antar fenomena. Penelitian disini bertujuan untuk memberikan kontribusi terhadap ilmu pengetahuan dalam memecahkan masalah dengan menggunakan metode-metode yang sesuai. Alur analisis penelitian dilakukan berdasarkan permasalahan yang akan ditangani oleh sistem, dimana sistematika penelitian yang digunakan pada penelitian ini sebagai berikut:
2.2 Desain Umum Sistem Sistem yang dibangun terlihat seperti pada gambar 2. Kumpulan dari beberapa gambar, akan di hitung masing-masing fitur warna dan fitur teksturnya. Fitur yang sudah dibangkitkan akan disimpan ke dalam simpanan data. Image Feature Stored Pre- Processing
Collected Data
Pengumpulan Data
2.3 Implementasi Pada tahapan implementasi, penelitian menggunakan ektraksi fitur warna dan fitur tekstur untuk masing-masing gambar. 2.3.1 Fitur Warna Pada proses ektraksi ciri warna diawali dengan pengambilan warna RGB tiap pixel yang kemudian dikonversi ke HSV. Warna masing-masing piksel kemudian dikuantitasi menjadi 64 kemungkinan warna. Cara ini menghasilkan nilai H berkisar antara 0 sampai dengan 3, S berkisar antara 0 sampai dengan 3, dan V berkisar antara 0 sampai dengan 3. Kemudian melakukan proses normalisasi sehingga menghasilkan histogram HSV. Pengambilan nilai Hue dari suatu pixel warna menggunakan rumus (Parker, 2011): Cmax=max(R,G,B) (1) Cmin=min(R,G,B) (2) ∆ = Cmax-Cmin (3) Hue =
Pengembangan sistem Image Retrieval
{
) (
)
(
)
Fitur Warna =
Analisis dan Evaluasi Hasil
Gambar 1. Sistematika Penelitian
Pengujian
Image Database
Gambar 2. Gambaran Umum Sistem
( Studi Pustaka
Transformation Feature Extraction
∑
∑
(3)
} (4)
2.3.2 Fitur Tekstur Ciri tekstur merupakan ciri penting dalam sebuah gambar yang merupakan informasi berupa susunan struktur permukaan suatu gambar. Dalam penelitian ini menggunakan Gray Level oCcurance Matrix (GLCM) sebagai matrik pengambilan nilai keabuan dari sebuah gambar. Berikut merupakan 17
ISSN : 2302 – 450X
tahapan yang digunakan dalam pengambilan ciri tekstur dari sebuah gambar. 1. Citra warna dirubah menjadi citra grayscale. 2. Segmentasi nilai warna ke dalam 16 bin. 3. Hitung nilai-nilai co-occurance matrix dalam empat arah masing-masing 00 , 450 , 900 , dan 1350 4. Hitung informasi ciri tekstur yaitu yaitu contrast, correlation, energy, homogeneity, dan entropy 5. Masing-masing matriks akan dihitung tekstur citra yaitu : Contrast, Correlation, Energy, Homogeneity, dan Entropy. Jeremiah (2007) Contrast : ∑ Correlation : ∑
[∑ ∑
] (
)
(5) (6)
Energy : ∑
(7)
Homogeneity : ∑
(7)
Entropy : - ∑ (8) dengan P(i,j) merupakan elemen baris ke-i, kolom kej dari occurance matrix. adalah nilai rata-rata baris ke-i dan adalah nilai rata-rata kolom ke-j pada matrix P. adalah standar deviasi baris ke-i dan adalah standar deviasi kolom ke-j pada matriks P. Contrast menunjukkan ukuran penyebaran elemen-elemen matriks citra. Contrast akan memberikan nilai maksimum apabila suatu gambar grayscale memiliki penyebaran piksel warna yang tinggi. Correlation menunjukkan ukuran hubungan linear dari nilai graylevel piksel ketetanggaan. Energy menunjukkan tingkat keseragaman piksel-piksel suatu citra. Semakin tinggi nilai energy, maka semakin seragam teksturnya. Homogenity menunjukkan ukuran kedekatan setiap elemen dari co-occurrence matrix. Entropy menunjukkan tingkat keacakan piksel-piksel suatu citra. Semakin tinggi nilai entropy, maka semakin acak teksturnya. 2.4 Instrumen Penelitian Instrumen penelitian yang digunakan dalam penelitian untuk mengolah, mengumpulkan, menganalisa dan menyajikan data diantaranya: 1. Perangkat Lunak a. Sistem Operasi Windows 8.1 b. Bahasa Pemrograman C# c. Database SQL Server 2008 2. Perangkat Keras a. Proc. Intel Core i3 b. RAM 4 GB c. Hardisk 280 GB d. VGA 1 GB
3
SKENARIO UJI COBA
Pengujian teknik ekstraksi fitur yang diimplementasikan pada sistem image retrieval ini memerlukan suatu data uji untuk mengetahui hasil dan kinerja dari algoritma ini. Data uji yang digunakan dalam kasus ini adalah berupa citra atau gambar yang berwarna. Citra uji yang digunakan pada penelitian ini adalah Corel Photo Gallery yang diperoleh dai situs sites.google.com/site/dctresearch/Home/contentbased-image-retrieval yang disediakan oleh Corel Database, dimana situs ini menyediakan berbagai macam citra uji yang khusus digunakan untuk sistem image retrieval. Berbagai macam citra uji dengan beragam variasi dan karakteristik tersebut dibungkus kedalam sebuah dataset yang dapat diunduh secara gratis. Dari sekian banyak kategori citra uji yang tersedia, pada penelitian ini hanya digunakan lima belas kategori citra uji yang sudah dipilih secara acak. Contoh gambar yang digunakan pada penelitian ini dapat dilihat pada gambar 3 berikut ini:
(a)
(b)
(c) Gambar 3. Gambar Uji : kategori : (a) Anjing, (b) Ballon, (c) Bunga
4
HASIL UJI COBA
Aplikasi yang dibangun untuk penyimpanan data citra hasil dari clustering image untuk image retrieval menggunakan bahasa pemrograman C# dan 18
Sugiartha I Gusti Rai Agung, Ektraksi Fitur Warna dan Tekstur untuk Clustered-Based Retrieval of Images (CLUE)
basis data SQL Server 2008 R2. Berikut merupakan halaman utama dari aplikasi yang dibangun:
mengambil suatu ciri dalam suatu citra. Berikut merupakan gambaran hasil dari ektraks i fitur tekstur dari sebuah gambar.
Gambar 4 Halaman Ekstraksi Tekstur
5 Gambar 4 Halaman Utama Aplikasi Image Retrieval Langkah berikutnya adalah memilih gambar latih dengan memilih menu [Open Folder Image], gambar 5 menunjukkan dialog berkas yang muncul ketika pengguna ingin memilih folder citra yang ingin dijadikan citra latih.
Gambar 5 Folder Browser pemilihan citra Apabila folder citra latih sudah dipilih, halaman citra akan terlihat seperti terlihat pada gambar 6 berikut ini:
Gambar 6 Halaman Tampilan Citra Latih Sebelum data latih digunakan sebagai atribut dalam proses clustering, diperlukan proses untuk
KESIMPULAN
5.1 Simpulan Tujuan utama dari penemuan gambar adalah untuk menghapus kehilangan data dan penggalian bermakna informasi kepada kebutuhan manusia yang diharapkan. Di sini, kami telah dilengkapi beberapa teknik, yang dapat diterapkan untuk setiap sistem proposal baru di masa depan. Dalam sistem ini, teknik baru yang disebut image pengambilan dari cluster diperkenalkan untuk mengurangi ruang waktu pencarian. Selain itu, RGB komponen gambar warna diklasifikasikan dalam dimensi yang berbeda dalam rangka menciptakan Merah, Biru dan cluster gambar hijau. Texture extraction menggunakan LGCM. Selanjutnya, semua atribut digunakan dalam proses clustering. 5.2 Saran Pengembangan lebih lanjut adalah membangun sistem temu citra kembali dengan menggabungkan sistem CBIR (Content Base Image Retrieval), hasil citra kemudian di urutkan, hasil citra ini kemudian lagi dilakukan proses clustering. Metode untuk clustering bisa menggunakan unsupervised machine learning seperti metode Self Optimizing Map (SOM)
6
DAFTAR PUSTAKA
[1] Chen, Yixin. 2004. Machine Learning and Statistical Modelling Approaches To Image Retrieval.Kluwer Acedemic Publisher:Boston [2] Ferguson, Jeremiah R. 2007. Using the GrayLevel Co-Occurrence Matrix to Segment and Classify Radar Imagery. Reno: University of Nevada [3] Han, J. & Kamber, M., 2006. Data Mining : Concepts and Techniques. San Faransisco: Morgan Kaufmann. [4] He, Daan.2007.Applying the Extend Massconstraint EM algortihm to Image Retrieval.Computer and Mathematics with Applications [5] Hearst, M. A. and Pedersen, J. O. (1996). Reexamining The Cluster Hypothesis: Scatter/Gather On Retrieval Results . In Proc. of the 19th International ACM 19
ISSN : 2302 – 450X
SIGIRConference on Research and Development in Information Retrieval (SIGIR’96), pages 76–84 [6] Jain, A.K.1999. Data Clustering: A Review.ACM Computing Survey, Vol 31, No 3. Hal 264-323 [7] Jogiyanto, HM., 1989, Analisis & Disain Sistem Informasi : Pendekatan Terstruktur, Yogyakarta : Andi Offset. [8] Laaksonen, Jorma.1999. Content Based Image Retrieval using Self Organizing Maps . Visual Information and Information Systems Lecture Notes in Computer Science, Vol. 1614, Hal 541-549 [9] Madhulata, Soni. 2012. An Overview On Clustering Methods. IOSR Journal of Engineering, Vol2(4), Hal: 719-725 [10] Matsuyama,Yasuo.2007. Image-to-Image Retrieval Using Computationally Learned Bases dan Color Information.Proceedings of International Joint Conference on Neural Network [11] Ma, Hao. 2010. Bridging the Semantic Gap Between Image Contents and Tags. IEEE Transaction on Multimedia
20
[12] Parker, J.R. 2011. Algorithms for Image Processing and Computer Vision. Indianapolis: Wiley Publishing, Inc [13] Pao,H.T. 2008. An EM Based Multiple Instance Learning Method for Image Classification [14] Raghavan, Vijay. 1989. A Critical Investigation of Recaal and Precision as Measures of Retireval System Performance. ACM Transactions on Information Systems, Vol.7, Hal 205-229 [15] Setiawan, Wawan & Munir, 2006. Pengantar Teknologi Informasi : Basis Data. Bandung: Universitas Pendidikan Indonesia. [16] Vercellis, C., 2009. Business Intelligence : Data Mining dan Optimization for Decision Making. Chichester: John Wiley & Sons. [17] Warsito, B. 2008. Clustering Data Pencemaran Udara Sektor Industri di Jawa Tengah dengan Kohonen Neural Network. Jurnal PRESIPITASI, Vol. 4 [18] Zhang, L. 2003. Automated Annotation of Human Faces in Family Albums . Prosiding ACM International Conference on Multimedia
