Perbandingan Metode K Nearest Neighbor dan K Means Clustering

i
APLIKASI PENGOLAHAN CITRA DIGITAL DALAM
MENGHITUNG JUMLAH SUATU OBJEK PADA SUATU
DAERAH PENGAMATAN
Rubinhut Sihar / 0322161
Jurusan Teknik Elektro, Fakultas Teknik
Universitas Kristen Maranatha
Jl. Prof. Drg. Suria Sumantri 65, Bandung 40164, Indonesia
Email : [email protected]
ABSTRAK
Pada tugas akhir ini telah dibuat sebuah perangkat lunak yang dapat
menghitung banyak objek sekaligus mengklasifikasikannya dengan menggunakan
teknologi pengolahan citra digital, pembuatan perangkat lunak ini di dasari
dibutuhkannya suatu alat yang dapat menghitung suatu objek pada suatu daerah
pengamatan dengan cepat dan akurat.
Dalam tugas akhir ini digunakan metode image component labelling
dalam melakukan pembentukan suatu objek dalam citra dan metode shape factor
untuk melakukan pengenalan objek bedasarkan bentuk morfologinya.
Dengan kedua metode tersebut di dapatkan tingkat keberhasilan perangkat
lunak dalam mengenali dan mengklasifikasian empat macam objek dalam tiga kali
percobaan mencapai 94,65% dan keberhasilan perangkat lunak dalam melakukan
penghitungan objek secara keseluruhan dalam tiga kali percobaan mencapai
99,73%.
kata kunci : pengolahan citra digital, shape factor, image component labelling.
Universitas Kristen Maranatha
ii
DIGITAL IMAGE PROCESSING APPLICATION FORCOUNTING
THE NUMBER OF OBJECTS IN AN OBSERVATED AREA
Rubinhut Sihar / 0322161
Department of Electrical Engineering, Faculty of Technique
Maranatha Christian University
Jl. Prof. Drg. Suria Sumantri 65, Bandung 40164, Indonesia
Email : [email protected]
ABSTRACT
This final project, used be realize a software can be count the number of
objects and classifying by used digital image processing technology, the created
software created equipments a tools witches can be count a number object at
observed area swiftly and accurate.
Image component labeling method used for created object at image and
shape factor used for object identification based on morphologically form.
By using both of the method, software level success for identifying and
classify four objects within three times experiment effort to 94,65% and for to do
a object count for three times experiment effort to 99,73%.
keyword: digital image processing, shape factor, image component labeling.
Universitas Kristen Maranatha
v
DAFTAR ISI
ABSTRAK
ABSTRACT
KATA PENGANTAR
DAFTAR ISI
DAFTAR TABEL
DAFTAR GAMBAR
BAB I PENDAHULUAN
1.1
Latar Belakang
1.2
Identifikasi Masalah
1.3
Perumusan Masalah
1.4
Tujuan
1.5
Pembatasan Masalah
1.6
Sistematika Penulisan
BAB II LANDASAN TEORI
2.1
Pengolahan Citra Digital
2.1.1
Pengantar Pengolahan Citra Digital
2.1.2
Citra Kontinyu
2.1.3
Citra Digital
2.1.4
Pixel
2.1.5
Warna Pada Citra Digital
2.1.5.1 RGB
2.1.5.2 Grayscale
2.1.5.3 Biner
2.1.6
Tresholding
2.1.7
Histogram
2.1.8
Cropping
2.1.9
Pixel Tetangga
2.1.10 Shape Factor
2.2
C#
2.2.1
Pengolahan Citra Digital menggunakan C#
2.2.1.1 Class GDI +
2.2.1.2 Pointer Method
i
ii
iii
v
vii
viii
1
1
1
1
1
2
2
4
4
4
4
4
5
6
7
7
8
9
10
11
12
12
13
13
14
15
Universitas Kristen Maranatha
vi
BAB III PERANCANGAN PERANGKAT LUNAK
3.1
Perancangan Antarmuka Perangkat Lunak
3.1.1
Perancangan Antarmuka Form Utama
3.1.2
Perancangan Antarmuka Form Splash Screen
3.1.3
Perancangan Antarmuka Form Konverter ke Biner
3.1.4
Perancangan Antarmuka Form Konverter ke Kode
3.1.5
Perancangan Antarmuka Form Klasifikasi Objek
3.2
Alur Kerja Perangkat Lunak
3.2.1
Konversi Citra ke Grayscale
3.2.2
Konversi ke Biner
3.2.3
Pemisahan Latar Belakang dan Objek
3.2.4
Terjemahkan Citra ke Dalam Bentuk Objek
3.2.5
Labelisasi
3.2.6
Pengenalan dan Pengklasifikasian Objek
3.2.7
Penghitungan Banyak Objek
3.2.8
Tampilkan Banyak Objek Perklasifikasi
17
17
18
20
21
22
24
26
28
29
31
32
33
36
40
40
BAB IV PENGAMATAN DAN ANALISA DATA
4.1
Pengamatan
4.1.1
Objek Pengamatan
4.1.2
Citra Pengamatan
4.2
Analisis Data
41
41
40
42
49
BAB V KESIMPULAN DAN SARAN
5.1
Kesimpulan
5.2
Saran
56
56
56
DAFTAR PUSTAKA
LAMPIRAN A - SCREEN SHOOT
LAMPIRAN B - LISTING PROGRAM
LAMPIRAN C - PENGENALAN VISUAL C#
57
A
B
C
Universitas Kristen Maranatha
vii
DAFTAR TABEL
Tabel
Tabel
Tabel
Tabel
Tabel
Tabel
Tabel
Tabel
Tabel
Tabel
Tabel
Tabel
Tabel
Tabel
3.1
3.2
3.3
3.4
3.5
4.1
4.2
4.3
4.4
4.5
4.6
4.7
4.8
4.9
Kontrol dan properti pada form utama
Kontrol dan properti pada splash screen
Kontrol dan properti pada form konverter ke biner
Kontrol dan properti pada form konverter ke kode
Kontrol dan properti pada form klasifikasi
Objek - objek yang digunakan dalam pengamatan
Data pengamatan - 1 objek 1 jenis
Data pengamatan - 2 objek 1 jenis
Data pengamatan - 3 objek 1 jenis
Data pengamatan - Banyak objek 3 jenis
Data pengamatan - Banyak objek 4 jenis
Data pengamatan - Banyak objek 5 jenis
Data pengamatan penghitungan objek
Data pengamatan pengklasifikasian objek
19
20
22
23
25
41
43
44
45
46
47
48
50
51
Universitas Kristen Maranatha
viii
DAFTAR GAMBAR
Gambar 2.1
Gambar 2.2
Gambar 2.3
Gambar
Gambar
Gambar
Gambar
Gambar
Gambar
Gambar
Gambar
Gambar
Gambar
Gambar
Gambar
Gambar
2.4
2.5
2.6
3.1
3.2
3.3
3.4
3.5
3.6
3.7
3.8
3.9
3.10
Gambar
Gambar
Gambar
Gambar
3.11
3.12
3.13
3.14
Gambar 4.1
Contoh pixel yang di dapat dari perbesaran suatu citra
digital
Nilai - nilai tingkat kecerahan suatu warna pada suatu
pixel
Warna - warna yang dapat dihasilkan oleh ketiga layer
warna RGB
Grafik histogram pada suatu citra digital
Proses cropping pada citra digital
Pixel - pixel tetangga
Diagram perancangan form
Form Utama
Form Splash Screen
Form konverter ke biner
Form konverter ke kode
Form klasifikasi objek
Diagram alir alur kerja perangkat lunak
Diagram alir alur kerja konversi citra ke grayscale
Diagram alir alur kerja konversi citra ke biner
Diagram alir alur kerja pemisahan objek dengan latar
belakang
Diagram alir alur kerja konversi citra ke kode
Diagram alir alur kerja labelisasi
Diagram alir alur kerja menentukan shape factor
Diagram alir alur kerja menentukan klasifikasi bedasarkan
shape factor
Objek - objek yang digunakan dalam pengujian
5
6
7
11
11
12
17
18
21
21
23
24
27
28
31
32
33
35
37
38
41
Universitas Kristen Maranatha