IDENTIFIKASI JENIS MOBIL MENGGUNAKAN PENGOLAHAN CITRA
DIGITAL DENGAN METODE WAVELET
Teddy Ekatamto*).
Achmad Hidayatno, and Yuli Chrityono Jurusan Teknik Elektro.
Universitas Diponegoro Semarang Jl.
Prof.
Sudharto.
SH, kampus UNDIP Tembalang .
Semarang 50275.
Indonesia Email: ekatamto@gmail.
Abstrak Mobil merupakan kendaraan darat yang digerakkan oleh mesin.
Masing masing jenis mobil tersebut memiliki ciri ciri Pengolahan citra juga dapat melakukan identifikasi jenis suatu objek dengan mencocokan beberapa ciri dari Untuk mendapatkan ciri dari suatu citra bisa dengan metode transforamasi.
Salah satu jenis transformasi yang sering digunakan adalah jenis transformasi wavelet.
Transformasi wavelet berfungsi untuk mengetahui ciri suatu citra degan menghitung nilai energi dari hasil dekomposisi suatu citra.
Berdasarkan hal tersebut maka dilakukan penelitian identifikasi jenis mobil menggunakan pengolahan citra digital dengan metode wavelet.
Adapun wavelet yang digunakan adalah semua jenis wavelet dengan variasi level dekomposisi dari 1 sampai dengan 6.
Proses identifikasi menggunakan perhitungan jarak euclidean.
Selain hal tersebut, pengujian dilakukan terhadap citra uji yang dipengaruhi oleh noise dan Berdasarkan hasil pengujian, penilitian menghasilkan identifikasi citra mobil terbaik dengan metode Wavelet Coiflet orde 2 level aras dekomposisi 6 sebesar 51%.
Setelah itu, diuji dengan pengaruh noise dan rotasi.
Mengalami penurunan kemampuan identifikasi sebesar 10%-18% pada citra yang dipengaruhi noise dan 18% pada citra yang dirotasi 90 derajat serta 12% pada citra yang dirotasi 180 derajat.
Kata kunci : Citra.
Matlab.
Mobil ,Wavelet.
Abstract The car is a ground vehicle that is moved by engine.
Each type of car has a special characteristic.
The image processing can also identify the type of an object by matching some of the characteristics of a particular image.
To get the characteristics of an image can be used a certain transformation method.
One of the most used transformation method is wavelet transformation.
Wavelet transformation is used to determine the characteristics of an image by calculating the energy value of the image decomposition.
This research of carAos type identification using digital image processing with wavelet method is done.
The wavelets used are all kinds of wavelet with the level of decomposition from 1 to 6.
The identification process is using euclidean distance calculations.
Besides that, the tests are performed to the test images that are affected by noise and rotation.
Based on the test results, this research produces the best carAos image identification using Wavelet Coiflet method with 2 orde 6 decomposition level by 51%.
Afterwards, it is tested by noise and rotation effect.
It decreased by 10% -18% on the noise affected image and 18% on 90 degrees rotated image and 12% on 180 degrees rotated image.
Keywords : Image.
Matlab.
Car ,Wavelet Pendahuluan Mobil merupakan kendaraan darat yang digerakkan oleh mesin, beroda empat atau lebih dan biasanya berbahan bakar minyak untuk menghidupkan mesinnya.
Secara umum, mobil dapat dibedakan menjadi mobil berpenumpang dan mobil barang.
Masing masing jenis mobil tersebut memiliki ciri - ciri tertentu.
Semua informasi ciri - ciri jenis mobil tersebut dapat dengan Dalam perkembangannya, pengolahan citra dapat melakukan identifikasi jenis suatu objek dengan mencocokan beberapa ciri dari citra tertentu pada citra basis data yang telah dibuat.
Untuk mendapatkan ciri dari suatu citra bisa dengan menghintung nilai suatu piksel citra dengan metode tertentu yang disebut dengan transformasi.
Salah satu jenis transformasi yang sering digunakan adalah jenis transformasi Wavelet.
Metode identifikasi citra telah dikembangkan terhadap citra iris mata menggunakan Wavelet Daubechies orde 4.
Kemudian, untuk identifikasi sidik jari dengan menggunakan Wavelet Daubechies.
Symlet, dan TRANSIENT.
VOL.
NO.
DESEMBER 2015.
ISSN: 2302-9927, 988
Oc Coiflet.
Serta, untuk pengenalan citra wajah menggunakan Wavelet Haar.
Daubechies, dan Coiflet.
Berdasarkan penelitian terdahulu, akan dikembangkan sistem identifikasi citra menggunakan semua jenis transformasi Wavelet terhadap citra jenis mobil.
Tugas akhir ini menggunakan variasi orde wavelet dan level dekomposisi untuk mendapatkan energi wavelet dari suatu citra.
Energi wavelet ini merupakan vektor ciri suatu citra yang digunakan untuk proses identifikasi citra Proses identifikasi citra uji tersebut dengan membandingkan antara vektor ciri citra uji dengan vektor ciri citra basis data menggunakan jarak euclidean.
Sebagai parameter keberhasilan tugas akhir ini adalah ketika citra uji berhasil teridentifikasi dengan benar ke dalam salah satu jenis mobil yaitu, bus, minibus, sedan, ataupun truk.
Pada tugas akhir ini dilakukan identifikasi citra jenis mobil kedalam empat jenis mobil.
Untuk proses komputasi dalam pengolahan citra ini digunakan aplikasi MATLAB.
Metode Simulasi Identifikasi Mobil Oc Untuk citra basisdata apabila diujikan maka akan mempunyai nilai keberhasilan 100% karena semuanya sudah pernah dilatih dan pada jarak Euclidean akan menunjukkan nilai nol .
Program Identifikasi mobil menggunakan alihragam wavelet ini dibuat menggunakan bahasa komputasi Matlab 7.
12 dengan memanfaatkan fasilitas GUI (Graphical User Interfac.
GUI akan membuat suatu tampilan dari senarai-senarai program yang digunakan, sehingga memberikan kemudahan bagi pengguna untuk dapat menjalankan program rancangannya.
Untuk dapat menjalankan program Identifikasi mobil ini, komputer pribadi (Personal Computer - PC) harus memiliki bahasa komputasi Matlab di dalamnya.
Perancangan Sistem Diagram alir untuk perancangan sistem secara garis besar adalah sebagai berikut Gambar 1:
Pada simulasi ini menggunakan citra mobil sebagai masukan dengan ekstraksi ciri menggunakan beberapa jeni wavelet dengan variasi aras dekomposisi.
Hal ini dilakukan guna mendapatkan jenis wavelet terbaik.
Metode Pengambilan Data Data hasil simulasi ini merupakan citra mobil orang lain yang sedang terparkir di jalan.
Citra mobil tersebut merupakan citra berwarna dengan format JPEG ekstensi jpg, dengan ukuran pixel 650 X 500 piksel.
Pengambilan citra diatur sedemikian rupa agar citra yang diambil memiliki kriteria panjang, lebar, atau tinggi Parameter yang dihitung dari pengujian ini adalah tingkat keberhasilan sistem dalam mengidentifikasi citra mobil berdasarkan jenisnya.
Tingkat keberhasilan dapat kita peroleh dengan:
Gambar 1.
Diagram alir program secara umum Hasil dan Analisis Pengujian Wavelet Terbaik dengan Level aras Dekomposisi Variasi Citra mobil yang sudah didapat kemudian diproses menggunakan berbagai jenis wavelet untuk mendapatkan jenis wavelet terbaik untuk identifikasi jenis mobil ini.
Identifikasi ini menggunakan jarak Euklidean terdekat.
Jarak Euclidean terdekat dapat diperoleh dengan menghitung selisih antara energi hasul perhitungan citra uji dengan hasil perhitungan energi dari citra basis data.
oc Dengan:
D(A,B) : Jarak Euclidean Ai : Vektor ciri Mobil uji Bi : Vektor ciri Mobil basis data : Panjang vektor TRANSIENT.
VOL.
NO.
DESEMBER 2015.
ISSN: 2302-9927, 989
Tabel 1.
Prosentase terbaik hasil pengujian.
Aras dekomposisi ke1 Jenis wavelet Symlet Coiflet Coiflet Daubechies dan Symlet Coiflet Coiflet Orde Prosentase Berdasarkan tabel diatas, dapat diketahui bahwa masingmasing aras mempunyai tingkat keberhasilan identifikasi yang berbeda.
Perbedaan ini dikarenakan pemakaian aras dekomposisi pada transformasi wavelet yang berbeda menghasilkan energi yang berbeda pula.
Namun.
Wavelet symlet orde 4 aras 1, wavelet coiflet orde 1 aras 1, wavelet coiflet orde 2 aras 3 dan wavelet coiflet orde 1 aras 5 dan Wavelet Coiflet 5 aras 3 memiliki tingkat identifikasi yang sama.
Pada transformasi jenis wavelet ini, tingkat identifikasi terbaik adalah Wavelet Coiflet orde 2 level aras dekomposisi 6 yaitu sebesar 51%.
Disusul Wavelet Daubechies dan symlet orde 2 aras 4 sebesar 48%.
Wavelet symlet orde 4 aras 1.
Wavelet Coiflet 1 aras 1.
Wavelet Coiflet 2 aras 3, dan Wavelet Coiflet 1 aras 5 sebesar 46%.
Pengujian Identifikasi Citra terhadap noise.
Pada percobaan identifikasi dari berbagai jenis wavelet dengan variasi orde dan level aras dekomposisi, diperoleh bahwa wavelet terbaik untuk proses identifikasi adalah Wavelet Coiflet orde 2 level aras dekomposisi 6.
Pada tahap ini dilakukan pengujian pengaruh noise terhadap keberhasilan proses identifikasi.
Tabel 2.
Hasil pengujian menggunakan alihragam wavelet terbaik terhadap pengaruh noise Jenis noise Gaussian Poisson Salt and Pepper Spekle Prosentase keberhasilan Pada percobaan pemberian noise dapat diketahui bahwa noise mempengaruhi tingkat identifikasi citra.
Penurunan prosentase keberhasilan identifikasi berkisar antara 10 % sampai dengan 18 %.
Penurunan tertinggi trjadi ketika citra masukan dipengaruhi oleh speckle dengan tingkat keberhasilan pengenalan sebesar 33 %.
Sedangkan untuk penurunan terendah terjadi pada citra masukan yang dipengaruhi oleh noise poisson dengan prosentase keberhasilan pengenalan sebesar 41 %.
Pengujian Identifikasi Citra Terhadap Rotasi Citra Masukan.
Pada percobaan ini citra masukan dirotasi sebesar 90 derajat dan 180 derajat terhadap tingkat identifikasi terbaik yang diperoleh dari variasi wavelet.
Tabel 3.
Hasil pengujian menggunakan alihragam wavelet terbaik terhadap pengaruh rotasi citra.
Rotasi Prosentase keberhasilan Pada percobaan ini dapat diketahui bahwa penurunan keberhasilan identifikasi terjadi pada citra masukan hasil rotasi sejauh 180 derajat dengan prosentase keberhasilan kebenaran identifikasi sebesar 39 %, terjadi penurunan keberhasilan sebanyak 12 %.
Sedangkan pada rotasi 90 derajat terjadi penurunan keberhasilan sebanyak 18 % menjadi 33 %.
Kesimpulan Hasil penelitian dan pembahasan ini menghasilkan kesimpulan sebagai berikut.
Tingkat identifikasi terbaik pada aras pertama adalah Wavelet symlet orde 4 dengan prosentase keberhasilan Tingkat identifikasi terbaik pada aras kedua adalah Wavelet Coiflet orde 1 dengan prosentase keberhasilan Tingkat identifikasi terbaik pada aras ketiga adalah Wavelet Coiflet orde 2 dengan prosentase keberhasilan Tingkat identifikasi terbaik pada aras keempat adalah Wavelet Coiflet orde 2 dengan prosentase keberhasilan Tingkat identifikasi terbaik pada aras kelima adalah Wavelet Coiflet orde 1 dengan prosentase keberhasilan Tingkat identifikasi terbaik pada aras keenam adalah Wavelet Coiflet orde 2 dengan prosentase keberhasilan Terjadi Penurunan prosentase keberhasilan identifikasi pada wavelet terbaik berkisar antara 10 % sampai dengan 18 % pada percobaan penambahan noise.
Penurunan tertinggi terjadi ketika citra masukan dipengaruhi oleh speckle dengan tingkat keberhasilan pengenalan menjadi 33 %.
Sedangkan untuk penurunan terendah terjadi pada citra masukan yang dipengaruhi oleh noise poisson dengan prosentase keberhasilan pengenalan menjadi 41 %.
TRANSIENT.
VOL.
NO.
DESEMBER 2015.
ISSN: 2302-9927, 990
Rotasi citra masukan menyebabkan penurunan keberhasilan identifikasi.
Pada citra masukan hasil rotasi sejauh 180 derajat dengan prosentase keberhasilan kebenaran identifikasi sebesar 39 %, terjadi penurunan keberhasilan sebanyak 12 %.
Sedangkan pada rotasi 90 derajat terjadi penurunan keberhasilan sebanyak 18 % menjadi 33 %.
Referensi