Analisis data citra buah-buahan dengan algoritma fagin dan thereshold

I

ANALISIS DATA ClTRA BUAH - BUAHAN
DENGAN ALGORITMA FAGIN DAN THRESHOLD

OLEH :

ABDUL HARIS RANGKUTI

SEKOLAH PASCA SARJANA
INSTITUT PERTANIAN BOGOR

2007

ANALISIS DATA ClTRA BUAH - BUAHAN DENGAN
ALGORITMA FAGIN DAN THRESHOLD

ABDUL HARlS RANGKUTI

Tesis
sebagai salah satu syarat untuk memperoleh gelar

Magister Komputer
pada Program Studi llmu Komputer

PROGRAM STUD1 ILMU KOMPUTER
SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR

2007

SURAT PERNYATAAN

Saya menyatakan dengan sebenar-benarnya bahwa segala pernyataan dalam tesis saya
yang berjudul :
Analisis Data Citra Buah - Buahan dengan Algoritma Fagin dan Threshold

merupakan gagasan atau hasil penelitian saya sendiri, dengan arahan Komisi
Pembimbing, kecuali yang dengan jelas ditunjukkan rujukannya. Tesis ini belum pernah
diajukan untuk memperoleh gelar atau capaian akademik lainnya pada program sejenis
di perguruan tinggi lain. Semua data dan inforrnasi yang digunakan telah dinyatakan
secara jelas dan dapat diperiksa kebenarannya.

Bogor, Agustus 2007
Yang Membuat Pemyataan

A. HARIS RANGKUTI

ABSTRACT
A. HARIS RANGKUTI. Citra Data Fruits Analysis Using Fagin dan Threshold Algorithm.

Supervised By MARIMIN and KUDANG BORO SEMINAR.
There are different ways of obtaining and accessing information in a multimedia
database than information in a traditional database. For example, in a multimedia
database, it is possible to query the top 10 images that are similar to a fixed image
which respect to color and shape can contain pictures with various coloring patterns and
shape.

This research examines the performance of two popular algorithms in this case Fagin
and Threshold algorithm, for searching two dimensional images with respect to color
and shape applied on fruits. After trying more than 320 times, the result of optimal
value for searching fruits image using Fagin algorithm is 92% and 94% using with

Threshold algorithm. With the results more than 90% in the optimal value, actually this
research can be continued and become one of recommendation for searching image in
data basis. This research can be used as the bases for image retrieval.

Key Words : Multimedia database, Traditional database, Fagin algorithm, Threshold
algorithm, Coloring pattern, Image retrieval.

A. HAMS RANGKUTI,. Analisis Data Citra Buah - Buahan Dengan Algoritma Fagin
dan Threshold. Di bawah bimbingan MARIMIN dan KUDANG BORO SEMINAR.
Perkembangan teknologi informasi, khususnya temu kembali terhadap data atau
informasi, tidak hanya dalam bentuk data teks saja, tetapi dapat juga dalam bentuk audio
(suara, musik dan bunyi), video, gambar atau citra. Untuk melakukan pengolahan data
multimedia yang terstruktur dan terorganisasi yang diperlukan untuk database
multimedia, dimana konsep penyimpanan jenis data menjadi letak perbedaan yang
mendasar dengan database tradisional.
Penelitian ini bertujuan untuk (1) melakukan analisa citra buah untuk
menentukan pengukuran

kemiripan berdasarkan bentuk

dan

warna dengan

menggunakan algoritma fagin dan threshold, (2) untuk mengetahui algoritrna yang lebih
baik diantara fagin dan threshold, dalam menghasilkan nilai presisi yang optimal
terhadap citra buah, (3) mengembangkan prototipe sistem temu-kembali data citra buah
yang dibangun dengan menggunakan algoritma fagin dan threshold.
Pencarian dan pemanggilan jenis data yang ada didalam database multimedia,
memerlukan proses kueri yang berbeda dengan database tradisional, termasuk
menggunakan konsep dan metode pemrograman yang berbeda. Penelitian ini,
difokuskan pada kueri citra berdasarkan bentuk dan warna yang dimiliki citra tersebut.
Pemanggilan data citra berdasarkan warna citra menggunakan konsep histrogram, dan
berdasarkan bentuk citra menggunakan konsep citra biner. Untuk mendapatkan
kemiripan citra buah dengan data yang sudah tersimpan dibasis data digunakan konsep
euclid.
Analisa citra buah

- buahan

ini, digunakan 2 (dua) algoritma penelusuran yaitu

algoritma Fagin dan algoritma Threshold. Proses algoritma untuk pengukuran kemiripan
citra berdasarkan warna dan bentuk didasarkan konsep kueri fuzzy. Untuk menghasilkan
nilai presisi yang optimal dari proses algoritma, fungsi yang digunakan adalah fungsi
sigmoid. Fungsi ini berfungsi untuk menentukan peringkat yang diberikan oleh sistem
berdasarkan citra kueri sebagai tolak ukurnya.

Judul Tesis

:

ANALISIS DATA ClTRA BUAH - BUAHAN DENGAN ALGORITMA
FAGIN DAN THRESHOLD

Nama

:

A. Haris Rangkuti

NRP

:

G651030224

Program Studi :

llmu Komputer

Menyetujui,
Komisi Pembimbing

Prof. Dr. Ir. Marimin, MSc
Ketua

Prof. Dr. Ir. Kudang Boro Seminar. MSc
Anggota

/

Mengetahui
Ketua Program Studi

Tanggal Ujian : 24 Agustus 2007

kolah Pascasarjana

Tanggal lulus :

0 5 SEP 2007

O Hak cipta milik Institut Pertanian Bogor, tahun 2007
Hak cipta dilindungi Undang - undang
I. Dilarang mengutip sebahagian atau seluruh karya tulis ini tanpa mencantumkan
atau menyebutkan sumbernya.
a. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan karya
ilmiah, penyusunan laporan, penulisan kritik atau tinjauan suatu masalah.
b. Pengutipan tidak merugikan kepentingan yang wajar IPB.

2. Dilarang mengumumkan dan memperbanyak sebahagian atau seluruh karya tulis
dalam bentuk apapun tanpa izin IPB.

KATA PENGANTAR
Alhamdulillahirabbil 'alamin, Penulis panjatkan puji dan syukur ke hadirat
Allah SWT yang telah memberikan rahmat, hidayah, serta karuniaNya sehingga Penulis
dapat menyelesaikan tesis yang berjudul Analisis Data Citra Buah-Buahan Dengan
Algoritma Fagin dan Threshold
Penulis mengucapkan terima kasih kepada Bapak Prof. Dr. Ir. Marimin, M.Sc dan
Bapak Prof. Dr. Ir. Kudang Boro Seminar, M.Sc selaku pembimbing 1 dan 2 yang telah
begitu sabar dan teliti dalam memberikan banyak masukan dan saran kepada Penulis
dalam penyusunan tesis ini, sehingga dapat diselesaikan dengan baik.
Selanjutnya Penulis ingin mengucapkan terima kasih kepada:
1.

Ayah, H. M Hasbi Rangkuti dan Ibu, Hj Dasnita yang selama ini selalu
mendukung dan berdoa demi kelancaran masa studi Penulis

2.

Istri tercinta Rinawati dan anak kamil, Harri Rahman Rangkuti dan Indra Fata
Rahman Rangkuti yang selalu sabar menemani penulis.

3.

Seluruh staf tempat penulis bekerja Agus Iskandar SKom, Toni, Anto, Suherman.

4.

Ir. Adi Sucipto Aji Msi beserta keluarga yang telah banyak membantu untuk
menyelesaikan tesis ini. Semoga Allah SWT selalu memberikan keberkahan.

5.

Semua teman - teman di Pasca Sarjana Departemen Komputer seperti Jeff, Rani,
Mahyus, Irwan, Asid, Cahyo, Ria, Hanifa, Rojali, Jayanta, Titin, Hari, Wawan dan
semua teman angkatan 111 Fakultas MIPA.

6.

Pejabat dan Staf di lingkungan Departemen Ilmu Komputer beserta dosen yang
telah banyak membantu Penulis dalam penyusunan tesis ini.

Kepada semua pihak yang telah membantu Penulis dalam penyusunan tesis ini yang
tidak bisa disebutkan satu per satu. Semoga Allah SWT yang membalas semua

kebaikannya.
Semoga penelitian ini dapat memberikan manfaat, Amien.
Bogor, Agustus 2007

A. HARIS RANGKUTI

DAFTAR IS1

KATA PENGANTAR

viii

DAFTAR IS1

ix

DAFTAR GAMBAR

xii

DAFTAR TABEL

xiv

DAFTAR LAMPIRAN

xv

.

I

PENDAHULUAN

1.1

Latar Belakang .............................................................

1.2

Tujuan dan Manfaat

1.3

.

I1

.....................................................
Ruang Lingkup ...........................................................

TINJAUAN PUSTAKA

2.1

Multimedia Database ....................................................

2.2

Komputasi Lunak .........................................................

2.3

2.7

..........................................................
Himpunan Klasik .........................................................
Operator Dasar Himpunan Fuzzy ....................................
Pengolahan Citra .......................................................
Pengenalan Citra buah-buahan .......................................

2.8

Pendekatan Kueri Fuzzy ................................................

2.9

Fungsi Aggregasi ............................................................

2.10

Kueri dasar....................................................................

2.1 1

Gabungan perintah Boolean dengan Kueri dasar...........................

2.12

Algoritma untuk evaluasi Query ........................................

2.13

Proses kueri untuk K tertinggi pada Optimasi presisi ...................

2.14

Algoritma Fagin (FA Algorithm) .......................................

2.15

Algoritma Thresold ...................................................

2.16

Fuzzy Database (Query)..............................................

2.17

Pengenalan Warna ...................................................

2.1 8

..............................
Pendekatan Query dengan bentuk ........................................
Sistem Inferensi Fuzzy ..................................................

2.4
2.5
2.6

2.19
2.20

Sistem Fuzzy

Pendekatan kuery dengan warna buah

.

I11

.

IV

2.21

Fungsi Sigmoid .........................................................

31

2.22

Pengukuran Kedekatan Citra...........................................

31

2.23

Citra Biner .................................................................

33

2.24

Segmentasi Warna .......................................................

34

2.25

Segmentasi Bentuk .....................................................

35

METODOLOGI PENELITIAN
3.1

Kerangka Pemikiran ..............................................................

36

3.2

Tahap Persiapan.......................................................................

37

3.3

Algoritma Pendukung ............................................................. 44

3.4

Analisa Data Citra Buah........................................................... 45

3.5

Pengembangan Modul Prototipe

3.6

...........................................
47
.
.
.
Pengukuran Kinerja Sistem..................................................... 52

3.7

Dukungan Alat untuk Penelitian .............................................

3.8

Waktu dan Tempat Penelitian ................................................. 53

PERANCANGAN DAN IMPLEMENTASI SISTEM
4.1

Arsitektur Algoritma Fagin dan Threshold pada Citra Buah ..

4.2

Perancangan untuk Analisa Proses Citra Buah .......................
4.2.1 Proses Awal ..................................................................
4.2.2 Segmentasi Warna ........................................................
4.2.3 Segmentasi Bentuk .......................................................
4.2.4 Kepekatan Warna..........................................................
4.2.5 Ketepatan Bentuk..........................................................
4.2.6 Nilai Agregasi ...............................................................

4.3

Dekomposisi Sistem ..............................................................
4.3.1 Sub Menu Segmentasi...................................................
4.3.2 Kuery Citra ...................................................................

4.4

Antarmuka Pengguna ............................................................
4.4.1 Antarmuka Keseluruhan Sistem ....................................
4.4.2 Antarmuka Inputan Citra...............................................
4.4.3 Antarmuka Keluaran .....................................................

4.5

Algoritma Fagin dan Thresold ................................................

52

.

V

EVALUASI SISTEM
5.1

Proses Evaluasi Karakteristik Dokumen Input ........................... 90

5.2

Segrnentasi ................................................................................

90

5.3

96

5.7

....................................
Penentuan Kurva Pusat dan Pemulus .........................................
Perhitungan Nilai Presisi Optimal dengan Algoritma Fagin ........
Perhitungan Nilai Presisi Optimal Algoritma Threshold .............
Hasil Presisi Yang Optimal.........................................................

5.8

Effisiensi Sistem......................................................................... 106

5.9

Kompleksitas Sistem

5.4
5.5
5.6

5.10
5.10

VI.

Penentuan Parameter Proses Kepekatan

97
98
101
105

................................................................. 107
Analisa Kinerja Algoritma Fagin dan Threshold ......................... 108
Aplikas dibidang Informasi lainnya ............................................ 108

KESIMPULAN DAN SARAN
6.1

Kesimpulan................................................................................. 110

6.2

Saran .......................................................................................... 111

DAFTAR PUSTAKA....................................................................................... 112
LAMPIRAN..................................................................................................... 113

DAFTAR GAMBAR
1.1 Perbedaan antara Database Traditional dan Database
dengan data Fuzzy ....................................................................

7

.......................................................... 23
Objek warna citra buah ............................................................... 25
Kerangka Pemikiran Penelitian ...................................................... 36
Gambar Buah - buahan dengan spesifikasi teknis tertentu ..................... 40
............................................. 40
Bagan alir proses tahap persiapan
Tata laksana Pengolahan Database Citra Buah .................................... 66
Gambar Buah Semangka memiliki warna dan bentuk berbeda ................
41
Analisa citra buah dengan Konsep Fuzzy Kueri .................................. 46
Metode Pengembangan Sistem Menggunakan Prototipe ........................ 50
Tahapan Penyusunan Setelah Prototipe ............................................. 51
Arsitektur Pencarian Citra Buah dengan Algoritrna Fagin dan Threshold ...... 55
Diagram konteks Analisa Citra Buah ................................................. 56

2.2 Model warna RGB clan HSV
2.3
3.1
3.2
3.3
3.4
3.5
3.6
3.7
3.8
4.1
4.2

4.3 Diagram Nol Analisa Citra buah dengan Algoritma Fagin dan Threshold ...... 56
4.4
4.5
4.6

........................................ 58
Komplemen Citra BW .................................................................. 62
HitungAreaAl,A2,A3, A4 .......................................................... 62
Diagram flow Praproses untuk Citra buah

4.7 CitraBW................................................................................ 63
4.8 Flip Horizontal ......................................................................... 63

................................................................................63
Flip Vertikal .......................................................................... 63
Partisi Citra BW ........................................................................ 64
Partisi Citra BW Horizontal ......................................................... 64
Partisi Citra BW Vertikal ............................................................................... 64

4.9 CitraBW
4.10
4.11
4.12
4.13

4.14 Dekomposisi Sistem Analisa citra buah dengan Algoritma fagin dan
Threshold .................................................................................. 68
4.15 Menu utarna Sistem secara keseluruhan .......................................... 72
4.16 Antar Muka Setup Sistem ..............................................................74
4.17 Antarmuka masukan citra buah untuk proses algoritma fagin .........................75

xii

. 18 Antarmuka keluaran dengan masukan Citra buah Ape1 dengan

Algoritma Fagin

.................................................................................................77

4.19 Antarmuka Keluaran dengan Citra buah Alpukat dengan
Algoritma Fagin ...........................................................................
78
4.20 Antarmuka Keluaran dengan Citra buah Ape1 dengan Algoritma
Thresold ................................................................................... 80
4.21 Antarmuka Keluaran dengan Citra buah Jambu dengan Algoritma.
Thresold ................................................................................. 82
5.1 Hasil Proses Segmentasi Warna ........................................................92
5.2 Perbandingan Query Citra dengan Citra di dalam Basis Data
berdasarkan warna buah ............................................................... 93
5.3 Perbandingan Query Citra dengan Citra di dalam Basis Data
berdasarkan bentuk buah ...............................................................95
5.4 Grafik Nilai Presisi warna Citra Buah dengan Algoritma Fagin .......................99
5.5 Grafik Nilai Presisi bentuk Citra Buah dengan Algoritma Fagin ................... 100
5.6 Grafik Nilai Presisi bentuk Citra Buah dengan Algoritma
Threshold ................................................................................... 103
5.7 Grafik Nilai Presisi warna Citra Buah dengan Algoritma
Threshold ................................................................................
104

DAFTAR TABEL
1.1 Operator dasar himpunan fuzzy....................................................
3.1

.....................................................................
Pengumpulan data citra buah .......................................................

3.2

Daftar buah - buahan

2.1

Tabel karyawan

................................................................

....................................................
5.1 Kumpulan Warna Referensi .........................................................
5.2 Hasil Pengolahan Citra Biner dalam membentuk partisi ...............................
5.3 Rata - rata nilai Presisi Warna Citra Denga Algoritma fagin ...................
5.4 Rata - rata nilai Presisi Bentuk Citra Buah Dengan Algoritma Fagin ...........

4.1 Ketentuan Fungsi Aggregasi

5.5 Rata - rata nilai Presisi Warna Citra Buah Dengan Algoritma Tljreshold ........
5.6 h t a - rata nilai Presisi Bentuk Citra Bwh Dengan Algoritma Threshold ........

5.7 Efisiensi Sistem Temu kembali Citra .................................................
5.8 Perbandingan Kinerja Algoritma Fagin dan Threshold ....................................

1.

Tahap Pembentukan Sistem Pakar .................................................. 113

2.

Citra Keluaran dengan menggunakan metode Algoritma Fagin ................... 114

3.

Citra Keluaran dengan menggunakan metode Algoritma Threshold ............. 122

4.

Hasil Proses Segrnentasi ................................................................................. 130

I. PENDAHULUAN

1.1

Latar Belakang
Beberapa tahun belakangan ini , telah terjadi perkembangan yang sangat
cepat pada industri komputer. Perkembangan terjadi karena dukungan yang
diberikan baik pada perangkat keras atau perangkat lunak untuk pengunaan data
multimedia. Dukungan dari perangkat keras dapat terlihat melalui kemampuannya
yang menyediakan fasilitas untuk dapat mengakses data suara, data film, data
grafik dan data

citra. Untuk

perangkat lunak tersedia beberapa utiliti dan

aplikasi, yang mampu melakukan pernrosesan data tidak hanya data text , tetapi
juga kepada beberapa data lainnya seperti data citra, suara, grafik dan termasuk
data film. Diharapkan dalam satu proses atau waktu, sistem dapat menampilkan
beberapa data secara bersamaan.

Dalam pencarian data yang sudah tersimpan di dalam database, dapat
dilakukan dengan proses kueri. Untuk database tradisional, proses kueri dilakukan
dengan mengirim satu atau lebih set nilai yang diikuti dengan proses boolean
untuk diletakkan di antara nilai tersebut (Fagin 1998). Untuk pencarian data citra
pada database multimedia, proses kueri dapat dilakukan berdasarkan kondisi dari
citra tersebut. Kondisi dari citra dapat diwakili dengan warna, tekstur dan bentuk
dari citra tersebut. Hampir sama dengan database tradisional, maka pada saat
proses kueri terhadap citra tertentu dengan berdasarkan kondisi di antara dua
citra, maka dapat dilakukan proses boolean (Lotem 1999). Selain itu beberapa
perbedaan yang sangat mendasar lainnya adalah, dalam melakukan akses terhadap

database multimedia sangat memungkinkan untuk melakukan kueri data citra,
berdasarkan dengan persamaan (similar to) dari data citra yang sudah tersimpan.
Sedangkan dalam database tradisional ha1 tersebut sangat sulit untuk dilakukan.
Tidak seperti dalam situasi yang ada pada database relasional, di mana
tejadi gabungan dari perintah boolean secara lebih jelas dan mudah. Berbeda
untuk pemanggilan data citra secara langsung dalam database multimedia,
tidaklah jelas dan mudah perintahnya, walaupun untuk pemanggilan pada kondisi
yang sederhana. Untuk itu, agar perintah (command) pemanggilan citra dapat
diterima secara mudah, salah satunya adalah dengan pendekatan peringkat pada
saat proses kueri fuzzy. Dengan proses kueri fuzzy, maka setiap objek akan
diberikan nilai peringkat yang disesuaikan dengan proses kuerinya. Sebagai
contoh : jika citra yang dicari adalah warna merah, maka untuk setiap citra yang
mempunyai warna merah tua, merah darah, merah muda, orange atau merah
lainnya akan diberikan peringkat, yang sesuai dengan perintah kueri. Untuk
memudahkan visualisasi peringkat, maka nilai peringkat yang mendekati dengan
citra akan ditarnpilkan secara benuutan. Citra akan ditampilkan mulai dari
peringkat tertinggi atau yang menyerupai dengan citra kueri, hingga peringkat
yang terendah. Untuk proses menampilkan citra yang sesuai dengan peringkat
tersebut, maka algoritrna yang digunakan adalah algoritrna fagin dan threshold.

Sebagai contoh pencarian citra yang mempunyai warna hijau dan bentuk
oval. Untuk proses ini dengan kondisi seperti di atas akan menjadi masalah
tersendiri. Karena dengan menggunakan kueri traditional, proses ini tidak dapat

diselesaikan dengan benar. Namun proses ini dapat diselesaikan dengan proses
kueri fuzzy. Dalam melakukan pencarian kueri fizzy terdapat beberapa algoritma
yang mendukung untuk melakukan proses tersebut. Di antaranya adalah algoritma
yang sangat mendukung proses ini adalah algoritma fagin dan algoritma threshold
(Fagin 1999). Pada dasarnya terdapat beberapa algoritma yang mendukung
proses kueri fuzzy dalam melakukan proses pencarian citra. Narnun dalam
penelitian ini difokuskan kepada penggunaan algoritma fagin dan threshold untuk
penelusuran citra buah - buahan.

Fokus penelitian ini adalah proses pencarian suatu objek yang tersimpan di
database dengan menggunakan citra sebagai kunci pencarian. Dalam melakukan
pemanggilan data citra yang tersimpan pada basis data, penelitian difokuskan
kepada bentuk dan warna yang dimiliki oleh citra dari produk buah - buahan.
Untuk dalam melakukan penelitian tentang analisa citra buah buahan dengan
menggunakan algoritma fagin dan threshold. Dalam menjalankan algoritma, citra
buah yang dikurnpulkan akan disimpan ke dalam basis data. Dalam mencari citra
buah berdasarkan warna dan bentuk dari citra, maka dimasukkan beberapa citra
buah yang berbeda bentuk dan warna kedalam database kueri. Proses ini
dimaksudkan agar, untuk menjalankan algoritma, cukup menampilkan l(satu)
buah citra buah yang diambil dari data kueri, setelah itu algoritma akan mencari
citra buah kedalam basis data. Jika citra buah yang sesuai dengan citra kueri,
maka akan muncul pertama kali citra dengan peringkat yang mendekati angka 1,

kemudia disusul dengan citra kedua dengan peringkat di bawah dari citra di
atasnya, dan dilanjutkan dengan citra berikutnya.

Penelitian ini dilakukan untuk pengembangkan konsep softcomputing
didalam

melakukan pengolahan data citra, dengan menggunakan metode

peringkat atau kueri fuzzy. Dalam menggunakan metode ini, setiap citra yang ada
didalam database akan dibuatkan peringkat berdasarkan citra kueri. Untuk
melakukan proses analisa terhadap citra buah

-

buahan yang sudah diberikan

peringkat, maka digunakan algoritrna Fagin dan Threshold. Dengan melalui
penggunaan algrotima, akan dihasilkan sekumpulan citra buah yang sesuai dengan
kriteria yang berdasarkan warna dan bentuk dari citra buah, dan kemiripan dari
citra kueri.

Pada dasarnya terdapat beberapa alasan, untuk menggunakan Algoritma
Fagin dan Threshold dalam melakukan analisa data citra buah, diantaranya :
J Algoritma ini sudah banyak dikembangkan dalam melakukan analisa terhadap
data multimedia. Salah satu perusahaan yang mengembangkannya adalah
Perusahaan IBM Coorporation.

J Kemampuan untuk melakukan analisa data citra secara cepat dan tepat,
berdasarkan kondisi yang sudah ditetapkan dan menghasilkan nilai presisi
yang sangat optimal.

1.2

Tujuan dan Manfaat
Penelitian ini bertujuan untuk (1) melakukan analisa citra buah untuk
menentukan pengukuran kemiripan berdasarkan bentuk dan warna dengan
menggunakan algoritma fagin dan threshold, (2) untuk mengetahui algoritma
yang lebih baik di antara fagin dan threshold, dalam menghasilkan nilai presisi
yang optimal terhadap citra buah, (3) mengembangkan prototipe sistem temukembali data citra buah yang dibangun dengan menggunakan algoritma fagin dan
threshold.

Manfaat yang diharapkan dari penelitian ini adalah (1) menjadi dasar
perancangan sistem temu kembali citra berbasis kaidah fuzzy dengan
menggunakan algoritma fagin dan threshold dan (2) sebagai salah satu metode
untuk aplikasi dalam bidang pertanian misalnya perpustakaan dijital, penentuan
bibit tanaman dan klasifikasi tanaman.

1.3 Ruang Lingkup

Ruang lingkup penelitian ini adalah sebagai berikut :

J Obyek penelitian adalah citra buah dalam format citra JPG.
J Segmentasi citra dilakukan pada warna dan bentuk

J Menggunakan Algoritma Fagin dan threshold.
& Untuk analisa warna citra buah digunakan metode histogram

4 Untuk Analisa bentuk citra buah digunakan metode citra binary
J Model warna yang digunakan RGB

4 Tidak memperhatikan noise citra.

11. TINJAUAN PUSTAKA

Multimedia Database

Pada dasamya tidak ada definisi yang pasti mengenai multimedia, tetapi
para ahli menjabarkan bahwa multimedia dapat dimaksudkan dengan pengunaan
tipe data yang berubah - ubah dan berasal dari sumber yang berbeda - beda. Data
tersebut dapat berupa data numerik, string, karakter,citra, film dan suara. Secara
urnum database multimedia dapat membantu user untuk dapat mengerti dalam
membuat format yang tepat pada objek, termasuk untuk pengaturan jumlah data
yang besar. Hubungan komplek yang

renggang (spatial) dan sementara,

memberikan range yang luas pada data multimedia, untuk dapat melakukan
proses kueri pada database multimedia, yang berbeda dari database tradisional
(Fagin 1996).

Banyak usulan dari para tenaga ahli dan peneliti bahwa teknologi objek
oriented sebagai tool yang menjanjikan untuk berhubungan dengan data

multimedia (Chen 2004). Untuk itu hampir semua database multimedia baik
secara langsung atau tidak langsung menggunakan teknologi objek oriented untuk
melakukan semua proses dan akses pada data yang berbeda. Untuk dapat
melakukan akses dan proses terhadap database multimedia membutuhkan suatu
konsep atau cara, agar dapat berjalan dengan baik dan benar. Salah satu konsep
yang menjadi perhatian untuk melakukan penelitian, dengan konsep fuzzy data
(Deng 2001). Untuk itu maka secara umum gambaran perbedaan antara database

tradisional dan database multimedia dengan konsep fuzzy data, dapat dilihat pada
gambar 1.1.

Kueri fuzzy

Warna='red'and

Database tradisional

Database multimedia

Gambar I. 1 Perbedaan antara Database Tradisional dan Database dengan Data Fuzzy
(Deng Y, 2001)

Gambar 1.I menjelaskan tentang perbedaan antara database tradisional
dengan database multimedia dengan menggunakan fuzzy data. Pada database
multimedia terdapat beberapa jenis data yang dapat diolah dan diakses,
diantaranya

adalah data citra dimana dapat dipanggil dan diakses dengan

berdasarkan kepada beberapa kriteria, diantaranya adalah warna dan bentuk.
Untuk proses pemanggilan terhadap beberapa jenis data yang berbeda, dapat

menggunakan kueri processor dengan menggunakan metode fuzzy kueri. Dari
hasil proses fuzzy kueri dihaslkan beberapa data citra yang sesuai dengan kreteria
yang sudah ditetapkan.
Secara umum dalam melakukan proses kueri pada data multimedia
menjadi kemampuan utama pada sistem manajemen database. Proses ini
dilakukan dalam rangka mencari atau memanggil satu atau beberapa jenis data
yang sudah tersimpan pada database. Walaupun dalam proses kueri ini
mempunyai perintab yang lebih spesifik dan rumit dalam menggunakan, namun
satu satu fimgsi dasar dari sistem database manajemen adalah agar dapat
memproses pernyataan user atau kueri. Hal ini dapat dicapai dengan
mendefinisikan bahasa kueri sebagai bagian dari sistem database manajemen
(Bohm 1994).
2.2

Komputasi Lunak

Komputasi lunak merupakan suatu model pendekatan untuk melakukan
komputasi dengan meniru aka1 manusia dan memiliki kemampuan penalaran dan
dapat melakukan pembelajaran pada

lingkungan yang

penuh

dengan

ketidakpastian dan ketidaktepatan (Zadeh 1965). Sistem model ini diperkenalkan
oleh Lotfi A Zadeh pada tahun 1992. Walaupun pada awalnya proses komputasi
lunak sudah mulai diperkenalkan sejak tahun 1965, namun dengan konsep yang
terkenal adalah sistem fuzzy. Pada dasarnya komputasi lunak bertujuan untuk
mengeksploitasi adanya toleransi terhadap ketidakpastian dan ketidaktepatan dan
menghasilkan kebenaran yang bersifat partial. Sehingga semuanya dapat

diselesaikan secara mudah, benar dan biaya penyelesaian yang murah, dengan
menggunakan pendekatm dalam melakukan penalaran untuk memecahkm
masalah.

Pada dasarnya terdapat beberapa komponen utama dari pembentukan
Komputasi Lunak diantaranya : sistem fuzzy, jaringan syaraf tiruan (neural
network), agoritma evolusioner (algoritma genetik) dan penalaran dengan
probabilitas. Keempat komponen di atas merupakan pesaing satu sama lain,
namun kesemuanya saling melengkapi dengan bidang kajian yang bervariasi.

2.3

Sistem Fuzzy

Sistem fuzzy merupakan penduga numerik yang terstruktur dan dinamik,
Sistem ini mempunyai kemampuan untuk mengembangkan sistem cerdas dalam
lingkungan yang tidak pasti dan tidak tepat. Sistem ini menduga suatu fungsi
dengan logika fuzzy, di mana logika ini merupakan bagian dari logika boolean
(Marimin 2005). Logika fuzzy pada dasarnya digunakan untuk menangani konsep
derajat kebenaran yang berkisar antara benar dan salah.
Secara umum kemampuan sistem logika fuzzy mengakomodasi :
O Toleransi terhadap data - data yang tidak tepat dan sangat fleksibel.
+$

Pemodelan fimgsi non linear yang sangat komplek.

e3

Dapat membangun dan mengaplikasikan suatu keahlian, tanpa hams melalui
proses pelatihan

2.4

Himpunan Klasik (crisp)
Secara umum, bahwa teori himpunan fuzzy merupakan perluasan dari
teori himpunan klasik. Pada teori himpunan klasik, untuk elemen Z hanya
memiliki 2 kemungkinan keanggotaan yaitu menjadi anggota Z atau tidak menjadi
anggota Z (Chen 2004). Jika untuk menunjukkan seberapa besar tingkat
keanggotaan suatu elemen (x) dalam satu himpunan (Y), maka derajat
keanggotaan, dapat dinotasikan dengan p, (x). .

2.5

Operator Dasar Himpunan Fuzzy
Ada 3 operator dasar pada logika fuzzy (Tabel 2.1) yaitu :
1) Operator AND : Operator ini berhubungan dengan operasi interseksi pada
himpunan. Hasil operasi dengan operator AND diperoleh dengan mengambil
nilai keanggotaan terkecil antara elemen pada himpunan yang bersangkutan.
Rumus operator AND p,,,
rule. Di mana x

=

,

= min(p ,[XI ,p [y] ; disebut dengan conjuction

nilai elemen dari anggota fuzzy A, dan y

=

nilai elemen

dari anggota fuzzy B.
Operator OR : Operator ini berhubungan dengan operasi komplemen pada
himpunan. Hasil operasi dengan operator OR diperoleh dengan mengambil
nilai keanggotaan terbesar antara elemen pada himpunan yang bersangkutan.
Rumus operator OR p,,,
Rule. Di mana x

= nilai

dari anggota fuzzy B.

= m a x b ,[x],p,[y]

) ; Disebut dengan Disjunction

elemen dari anggota fuzzy A, dan y = nilai elemen

3) Operator Not : Operator ini berhubungan dengan operasi komplemen. Hasil

operasi dengan operator Not, diperoleh dengan mengurangkan nilai
keanggotaan dari himpunan yang bersangkutan dengan nilai 1.
p-

A(x)=

1 -,u

A

[XI
: Disebut dengan Negotion Rule. Di mana x = nilai elemen

dari anggota fuzzy A.
Tabel 2.1 Operator dasar himpunan fuzzy

A

B

O

a

0

1

1

0

1

1

rnin!A.B)

A

0

o

0

l
a
]
0

0

2.6

m
l 1
1 1

A

1

1-A

'Ti

I1I

1

AND

malt{A.B]

OR

NOT

Pengolahan Citra
Perkembangan teknologi informasi yang sedemikian pesatnya, menyebabkan terjadinya keanekaragamana dalam penyajian data dan Informasi.
Diantaranya bahwa bentuk penyajian tidak hanya dalam bentuk teks, tetapi juga
dapat berupa gambar, audio dan video. Citra atau istilah lain adalah gambar
sebagai salah satu komponen multimedia yang memegang peranan dalam
penyampaian informasi dalam bentuk visual (Gonzales 2002). Walaupun pada
dasarnya citra, kaya akan informasi, namun seringkali citra mengalami beberapa
permasalahan. Diantara beberapa permasalahan itu diantaranya :
a.

Adanya cacat atau derau atau noise.

b.

Kualitas yang tidak memadai.

c.

Sulitnya dikenali dengan asupan citra yang lain.

d.

Warnanya kurang tajam, kabur dan terlalu kontras.

Selain itu dalam pengolahan citra, perlu dilakukan operasi terhadp citra asli
menjadi citra baru. Operasi yang dilakukan pada citra dikategorikan sebagai
berikut :
titik, yaitu operasi yang menghasilkan output di mana setiap piksel hanya
dipengaruhi oleh piksel pada posisi yang sama dari citra asli.
lokal, yaitu operasi yang menghasilkan output di mana pikselnya dipengaruhi
oleh piksel-piksel tetangga pada citra asli.
global, yaitu operasi yang menghasilkan output di mana pikselnya dipengaruhi
oleh semua piksel yag ada dalam citra asli.
Dalam perkembangan pengetahuan teknologi iunformasi untuk mengatasi
masalah yang disebut di atas, maka dapat dibedakan menjadi 3 (tiga) kelompok,
diantaranya :
1. Komputer Grafik, bertujuan untuk menghasilkan citra dalam bentuk grafik,

lebih tepat disebut dengan grafik picture.
2. Pengolahan Citra, bertujuan memperbaiki kualitas citra agar mudah

diinterprestasi oleh manusia atau mesin (komputer). Dengan demikian yang
menjadi Input adalah citra, dan output juga menjadi citra. Namun citra output
memiliki kualitas yang lebih baik.

3. Pengenalan Pola (pattern recognation) , mengelompokkan data numerik dan
citra secara otomatis oleh komputer. Tujuannya adalah untuk mengenali objek
didalam citra. Secara umum otak manusia sangat mudah untuk belajar
membuat klasifikasi objek

-

objek disekeliling

.

Sehingga marnpu

membedakan antara objek yang satu dengan objek yang lain. Kemampuan
otak manusia ini yang ditiru oleh sistem komputer agar dapat menerima
masukkan

sebuat citra objek yang

akan

diidentifikasi, kemudian

memprosesnya dan diharapkan akan menghasilkan keluaran berupa deskripsi
objek didalam citra.

Pengenalan Citra Buah - buahan
Penelitian pengenalan pola yang dilakukan mengunakan proses kueri
fuzzy. Dalam proses ini sudah ada beberapa kasus yang dikerjakan oleh beberapa

peneliti, baik dengan mengunakan algoritma fagin, threshold dan algoritrna
lainnya. Dalam penelitian ini difokuskan pada proses kueri fuzzy dengan analisa
data citra buah buahan, dengan menggunakan algoritma fagin dan threshold.
Selain itu penelitian ini memfokuskan pada karakteristik yang dirniliki oleh citra
buah - buahan. Terdapat beberapa karakteristik utama citra, diantaranya adalah
sebagai berikut (Gonzales 2002) :
1.

Ukuran pada setiap data Item adalah sangat besar (wama citra
membutuhkan beberapa megabyte).

2.

Dalam pemanggilan data dibutuhkan isi dan persamaan dari citra di samping
dapat memanggil dengan text.

3.

Tanggapan dalam terhadap proses kueri seharusnya cepat

4.

Perubahan sangat jarang dilakukan citra yang sudah disimpan pada
database.

5.

User dan interface kueri harus divisualklan selengkap mungkin (contohnya
user diizinkan untuk memilih warna, teksture, d m bentuk dalam bentuk
graphic) dan juga memungkinkan hubungan visual yang timbal balik,
melalui petunjuk pengguna.

Karakteristik ini menjelaskan bahwa, untuk banyak aplikasi dapat dihitung
dan disimpan ciri - ciri citra. Namun dalam penelitan ini dibatasi hanya pada
database citra, dengan 2 tipe data yaitu : citra (scene) dan objek. Scene adalah
warna pada citra dan objek adalah bagian dari scene (Munir 2004). Dalarn kasus
memanggil kembali data citra buah yang sudah tersimpan pada database, maka
pada saat pemanggilan dapat dilakukan berdasarkan citra warna dan objek bagian
dari scene.

2.8

Pendekatan Kueri Fuzzy
Pada awalnya dalam proses kueri di dalam database traditional, cukup
dengan melakukan proses terhadap satu karakter string, di mana karakter itu
sesuai dengan data yang disimpan pada database, setelah itu dilakukan proses
kueri, maka muncullah data - data hasil proses kueri. Dengan muncul data hasil
proses kueri bersifat sangat homogenius (seragam). Dengan perkembangan
teknologi diharapkan proses kueri database tidak hanya mampu berhubungan
dengan karakter string tetapi juga dengan berbagai variasi data multimedia

seperti citra, video dan audio. Satu perbedaan yang mendasar bahwa data
multimedia mempunyai atribut yang menjadi turunan dari fuzzy. Sebagai contoh
bahwa kita tidak dapat mengatakan bahwa citra yang diberikan mempunyai warna
biru atau tidak biru. Namun disana terdapat tingkatan dari biru, seperti range
diantara 0 (yang tidak biru) dan 1 (yang semuanya biru).

2.9

Fungsi Aggregasi

Pendekatan yang berhubungan dengan data fuzzy adalah untuk melakukan
pengunaan fungsi aggregasi . Fungsi aggregasi ini yang memberikan nilai
berdasarkan kondisi yang diinput oleh user berdasarkan tingkatan antara 0 hingga

1. Jika parameter xl, x2, ...,x,, maka setiap parameter mempunyai nilai berinterval
antara 0 hingga 1.

Salah satu fungsi aggregasi yang sering digunakan adalah

min. Berdasarkan peraturan standar pada fuzzy logic, jika objek R mempunyai
peringkat

XI

di bawah attribute Al dan peringkat x2 di bawah attribute A2, maka

kemudian tingkatan di bawah conjuction fuzzy Al A A2adalah min(xl,x2). Fungsi
aggregasi yang lain yang sering digunakan adalah average dan max.

2.10

Kueri Dasar

Pada sistem multimedia, kueri dasar hanya bertanya untuk objek dengan
satu ekspresi saja. Sebagai contoh untuk mencari citra yang benvarna merah.
Untuk itu maka seperti pada perintah pada kueri dasar di mana warna = "merah",
meskipun secara aktual sistem ini dapat diekspresikan untuk mencari sebuah
warna dari roda warna, atau memilih suatu citra i ( i = yang sebagian besar adalah

merah)

dan meminta citra yang lain yang memiliki warna mendekati yang

dimiliki oleh citra i. Karena untuk mendapatkan beberapa citra yang dibutuhkan,
harus dengan mengunakan proses kueri, maka hasilnya seharusnya objek yang
akan muncul mulai dari paling merah, objek yang paling merah ke dua, objek
yang paling merah ketiga dan seterusnya hingga yang ke sepuluh atau lebih.
Dengan demikian maka semua objek akan ditarnpilkan yang mempunyai warna
yang mendekati merah.

Pada dasarnya sistem multimedia sudah mempunyai beberapa algoritma
yang canggih dalam membandingkan warna, di mana algoritma itu menghitung
kedekatan warna antra 2 (dm) citra. Untuk menghitung kedekatan warna antara 2
(dua) citra tidak memerlukan perhitungan yang rurnit, karena pada dasarnya
setiap objek mempunyai beberapa elemen warna histogram. Untuk itu maka jarak
warna diantara 2 (dua) objek, dapat diarnbil berdasarkan jarak diantara histogram
yang didefinisikan sebagai berikut (Fagin 1998):
,/(x - YY

* A(x - Y)

Penjelasan :
T= menyatakan proses transpose dan A adalah matrix (x,y) mengambarkan
persamaan antara warna x dan warna y. Untuk masalah warna disana terdapat,
sejumlah cara untuk mendefinisikan kedekatan antara bentuk.

Gabungan Perintah Boolean dengan Kueri Dasar
Pada dasarnya hasil dari proses fuzzy kueri pada database multimedia
adalah list pendek dari objek yang dicari. Sebagai contoh : proses kueri untuk
objek warna merah, kemudian hasilnya adalah objek pertama yang merah, objek
kedua yang lebih merah, objek ketiga yang paling merah dan seterusnya.
Kemudian bagaimana jika proses kueri multimedia digabung dengan traditional
database atau dengan perintah boolean yang diletakkan diantara perintah kueri
multimedia.
Sebagai Contoh sebagai berikut : (buah="apple")

A

(warna

=

"hijau"),

maka hasilnya dari proses kueri ini, buah ape1 yang memiliki warna kulit luar
adalah hijau, hijau tua, hijau muda, dan seterusnya. Pada setiap kueri dasar,
sebuah nilai ditugaskan pada setiap objek. Nilai pada objek tersebut mewakili dari
keberadaan objek tersebut. Untuk yang nilainya 1 (satu) mewakili proses kueri
dengan perbandingan yang sempurna, sedangkan nilai 0 (nol) mewakili proses
kueri yang salah atau perbandingan yang salah.

2.12

Algoritma untuk Evaluasi Kueri
Dalarn mendapat informasi utama pada sistem database managemen
adalah efisiennya untuk proses fuzzy kueri. Pada bagian ini dibahas 2 (dua)
algoritma ymg &an m~fqkukqn
evaluasi kueri dan akan memperlihatkan bahwa
. . - ..., . . ,
asumsi terhadap sebuah algoritma yang dapat memberikan efisien yang optimal
sebagai faktor yang utama.

Proses kueri yang dapat dilakukan pada objek,

dimana memiliki beberapa kondisi, diantara objek dilakukan perintah boolean.
Untuk perintah boolean ini dapat bersifat conjuction rule dengan perintah AND

dan disjuction rule dengan perintah OR. Contoh (buah

=

"apel")

A

(warna

=

"hijau"). Bagian pertama buah = "apel" adalah kueri pada database tradisional dan
bagian kedua warna

=

"hijau" akan dialamatkan pada sub sistem. Kerena itu 2

subsitem yang berbeda akan dilibatkan dalam menjawab proses kueri . Terdapat
dalil yang berkenaan dengan proses kueri di mana dengan dalil tersebut dapat
membuat algortima menjadi 3 (tiga) phase yaitu : akses secara berurutan, akses
secara random, proses perhitungan Dalam menjawab dalil proses kueri, maka
dilakukan penelitim citra dengan menggunakan algoritma Fagin dan Threshold.
Pada dasarnya 2 (dm) algoritma ini dikemukan oleh 2 (dua) peneliti yang
berbeda, namun saling melengkapi dalam menjawab proses kueri yang berbasis
citra (multimedia).

Algoritma Fagin (FA Algorithm)
Salah satu algoritma yang banyak dibahas untuk mengakses database
multimedia salah satunya adalah Algoritma Fagin. Chaudhuri dan Gravano (2000)
mempertimbangkan cara untuk menirukan algoritma fagin dengan mengunakan
"Kondisi Penyaringan " misalnya untuk nilai warna sekurang - kurangnya adalah
0,2. Dengan ini maka algoritma Fagin akan bekerja sebagai berikut :
1. Lakukan pengurutan secara paralel untuk semua data citra yang sejenis di
mana yang ada didalam himpunan urutan m dengan kondisi a, kemudian
dilanjutkan pengurutan juga didalam himpunan urutan n dengan kondisi b.

2. Untuk setiap objek yang sudah terlihat, lakukan akses secara acak sesuai yang
dibutuhkan untuk dapat menemukan data objek yang sejenis yang ada pada
himpunan m dengan kondisi a, dengan himpunan n dengan kondisi b.
3. Lakukan perhitungan fungsi aggregasi, untuk mendapatkan hasil peringkat

pada setiap citra yang ada didalam basis data.

Algoritma fagin sangat mendukung untuk mendapatkan nilai yang teratas untuk
kemiripan pada data sejenis dengan menggunakan fimgsi aggregasi. Sekaligus
juga dapat menghasilkan nilai probabilitas presisi yang optimal dalam kasus citra
yang buruk atau jelek.

2.14

Algoritma Threshold
Pada dasarnya algoritma Fagin sudah cukup optimal pada situasi di mana
menunjukkan performa yang kurang baik. Sebagai contoh bahwa tidak ada
jaminan bahwa fungsi aggregasi tidak tetap. Karena pada beberapa kasus yang
sudah jelas bahwa terlihat untuk fungsi aggregasi adalah konstan. Untuk itu
deskripsi algoritma Threshold adalah sebagai berikut :
1. Kerjakan akses pengurutan secara paralel untuk setiap list m pada data urut

LI. Sebagai objek R dilihat di bawah akses urutan

pada beberapa list,

kerjakan urutan secara random untuk list yang lain untuk mendapatkan
peringkat xl pada objek R dalam setiap list L1. Kemudian hitung peringkat
f(R)=t(x1,x2,..xm) pada objek R. Jika peringkat k ini adalah salah satu dari nilai
tertinggi yang sudah dilihat, kemudian ingat objek R dan pada peringkat t(R).

2. Untuk setiap list L1, tentukan xl menjadi tingkatan pada objek terakhir yang
dilihat pada proses akses pengurutan. Definisikan nilai threshold z menjadi
t(R)'t(x1,x~,..xm).sekurang kurangnya pada objek k yang sudah dilihat di
mana peringkat adalah sekurang - kurangnya sama dengan z (nilai ambang)
kemudian keluar dari sistem.

3. Tentukan Y menjadi satu set yang berisi objek k yang dilihat pada peringkat
yang tertinggi, outputnya adalah himpunan peringkat ((R,t(R))IR€ Y).
Algoritma threshold adalah benar untuk setiap fimgsi t aggregasi yang
monotone.

Fuzzy Database (Kueri)
Dalam proses pengolahan database, perhatikan proses kueri di bawah ini :
Select nama, alamat,golongan
From karyawan
Where (gaji > 1000000)
Dengan perintah kueri di atas, maka proses ini untuk menampilkan data nama,
alamat, dan golongan pada tabel karyawan, dengan syarat gaji yang diterima lebih
dari 1000000.
Namun dalam keseharian diperlukan data yang bersifat tidak pasti (fuzzy).
Sebagai contoh untuk menampilkan pegawai yang muda dan dewasa. Dengan
menampilkan data pegawai yang masih muda dan dewasa, maka kueri yang
digunakan adalah kueri fuzzy. Pada database kueri fuzzy terdapat 2 model yang
digunakan yaitu (Sri 2004) :

1. Kueri fuzzy Model Tahani

2. Kueri fuzzy Model Umano
Pada model tahani masih mengunakan relasi standar, hanya model ini
mengunakan teori himpunan fuzzy untuk mendapatkan infomasi pada kuerinya.
Contoh jika ingin mengkategorikan usia karyawan dalam himpunan muda,
dewasa, dan tua.

30

35

40
45
Umur (tahun)

Fungsi Keanggotaan :

I

1; x I 3 5 atau x 2 5 0

50

Dengan drajat keanggotaan yang sudah disebutkan di atas, maka dapat diuraikan
kedalam tabel karyawan sebagai berikut (Tabel 2.1) :
Tabel 2.1 Tabel karyawan
Drajat Keanggotaan ([x])
Umur

Nama

No.

TUA

Dewasa

Muda

1

TOR0

30

1

0

0

2

UDIN

48

0

0,4

03

3

AND1

37

0,3

02

0

4

HASAN

35

0s

0

0

Catatan : x = Objek yang diarnati
Dengan melihat fiungsi keanggotaan di atas, bahwa nilai Fuzzy terletak diantara
angka 1 dan 0, jika nilai mendekati angka 1 maka nilai tersebut menuju ke besar,
sedangkan jika mendekati ke angka 0 menuju ke kecil. Contoh Andi termasuk
kedalam kategori muda dengan nilai 0,3 dibandingkan dengan kategori dewasa
yang hanya mempunyai nilai 0,2. Pada Model Umano, data - data yang bersifat
ragu

-

ragu diekspresikan dengan mengunakan distribusi posibilitas. Distribusi

posibilitas merupakan nilai atribut dari suatu model relasi.Contoh : Anton Umur

54 tahun nama anak (ani,ari)p. Dengan contoh di atas dapat dijelaskan bahwa
Anton dengan urnur 54 tahun, dengan nama anak anton diekspresikan dengan

distribusi posibilitas yang diberikan {0,8/ani; O,5/ari). Nilai posibilitas ani lebih
besar dibandingkan dengan nilai posibilitas ari 0,5.

2.16

Pengenalan Warna
Secara urnum warna pokok itu dibagi menjadi 3 warna yaitu warna merah (red),
hijau (green) dan biru (blue). Warna lain diperoleh dengan mencampurkan 3
(ketiga) warna tersebut dengan perbandingan tertentu. Besar perbandingan
tersebut akan disesuaikan dengan kebutuhan dari warna yang dihasilkan, termasuk
juga besaran campuran dari ketiga warna tersebut (Munir 20042). Percampuran
warna warna pokok C1, C2 dan C3 dengan prosentase tertentu :
C = aCI + bC2 + cC3

Penjelasan : C1 =Merah C2 = Hijau C3 = Biru
a,b,c = Besaran nilai yang diberikan pada setiap warna

Dengan demikian jika menghasilkan satu buah warna, maka merupakan
penggabungan dari 3 (ketiga) warna dan setiap warna RGB dikalikan besaran
yang ditambahkan pada setiap warna. Selain itu Secara umum gambaran dari
model warna RGB merupakan kombinasi dari ketiga lapisan warna sehingga
menghasilkan satu warna yang besifat komposit. (Stone 2003).

Gambar 2.2 : Model Warna RGB clan HSV (Stone 2003)

Pada gambar 3 (a) menunjukkan koordinat awal (0,0,0) adalah warna hitam dan
koordinat (1,1,1) adalah warna Putih. Sedangkan untuk warna abu - abu berada
disepanjang garis antara koordinat (0,0,0) sampai dengan (1,1,1). Untuk warna
magenta merupakan pencampuran antara warna merah dan Biru, warna kuning
antara warna merah dan hijau. Selain warna RGB, warna juga dapat dimodelkan
berdasarkan atributenya. Untuk setiap warna akan mempunyai 3 attribute yaitu :
Intensity (I), Hue (H) dan Saturation (S).
Intensity : Mempunyai kisaran nilainya antara warna gelap (hitam) dan terang
(putih).Hue menyatakan warna sebenarnya sekaligus juga untuk membedakan
dengan warna - warna lainnya. Saturation : Mengindetifikasikan seberapa banyak
warna putih yang diberikan pada setiap warna.

Selain itu masing - masing warna pokok menunjukkan persentase relatif diantara
warna pokok lainnya, ini disebut dengan Kromatisitas. Hal ini dapat didefinisikan

RGB kedalam bentuk variable X, Y, Z. Untuk itu gambaran kromatisitas adalah
sebagai berikut (Jain A K 2004) :
.Y

Dengan demikian maka total nilai seluruh kromatisitas adalah X

=

Y =Z

=

1 atau

X+Y+Z = 1 atau Z = 1-X-Y

Pendekatan Kueri pada warna buah

Pada dasarnya terdapat beberapa cara untuk dapat melakukan pengenalan
objek warna. Salah satmya adalah, dilakukannya perbedaan terhadap huenya. Ini
dilakukan dengan cara memberikan nilai ambang pada rentang nilai huenya yang
melingkupi objek. Warna adalah bagian atau objek yang paling sering ada jika
digunakan pada proses kueri didalam data multimedia dan sistem temu kembali.
Citra yang mempunyai kemiripan akan dipanggil atau temu kembali pada
database citra. Dengan demikian citra yang mempunyai prosentase warna yang
mendekati dengan prosentase warna yang dipanggil akan ditarnpilkan. Dalam
proses temu kembali terhadap warna dari buah

-

buahan yang menjadi objek

penelitian, tetap menggunakan perbandingan antara l(satu) buah dengan warna
tertentu, akan mencari objek