BAB IV PERANCANGAN SISTEM
4.1 Stuktur Rancangan
Dalam penelitian ini terdapat dua rancangan sistem, yakni rancangan sistem untuk pengujian dan rancangan sistem aplikasi berbasis Graphic User
Interface.
4.1.1 Rancangan Sistem untuk Pengujian
Adapun rancangan tahapan yang dilakukan pada sistem pengenalan daun kedelai adalah sebagai berikut :
Pengembangan Sistem Akurasi Kecocokan
Penentuan Kombinasi Faktor
Ekstraksi Ciri Elliptical Fourier
Descriptor Ubah N
banyak harmonik Praproses
Grayscale, Binarisasi, deteksi edge, chaincode
Praproses Grayscale, Binarisasi,
deteksi edge, chaincode
Ekstraksi Ciri Elliptical Fourier
Descriptor Pencocokan Pola
Minimum distance Basis Data
Training Basis Data
Testing
Gambar 4.1 Rancangan Sistem Pada sistem pengujian ini akan dilakukan beberapa percobaan kombinasi
faktor. Percobaan ini dilakukan untuk melihat faktor-faktor yang dapat digunakan sebagai pengenal varietas tanaman kedelai. Adapun percobaan yang akan
dilakukan adalah : percobaan satu faktor ruas daun dengan menggunakan 2-fold crossvalidation, percobaan satu faktor ruas daun dengan 10-fold crossvalidation,
percobaan tiga faktor ruas daun dengan menggunakan 2-fold crossvalidation, percobaan enam faktor ruas daun dengan menggunakan 2-fold crossvalidation.
Tahap pertama
: Pembentukan Basis Data Dalam pembentukan basis data, tiap-tiap percobaan memiliki basis data
training dan data testing yang berbeda. Untuk percobaan dua faktor faktor banyak harmonik dan ruas daun dengan menggunakan 2-fold crossvalidation,
basis data yang digunakan adalah 5 sampel untuk data training dan 5 sampel untuk data testing untuk setiap bagian pada setiap jenis varietas daun. Sehingga
terdapat 300 image daun dari 10 varietas dijadikan sebagai data training dan 300 image daun sebagai data testing.
Sedangkan untuk percobaan dua faktor dengan menggunakan 10-fold crossvalidation maka untuk setiap bagian daun, 9 sampel untuk data training dan
1 sampel untuk data testing. Masing-masing sampel data training akan bergantian menjadi sampel data testing dan sebaliknya.
Percobaan berikutnya adalah percobaan dengan kombinasi tiga faktor. Penentuan faktor yang akan digunakan adalah berdasarkan hasil akurasi pada percobaan
sebelumnya. Pada basis data training dan testing, urutan indeksnya adalah 1-15 untuk jenis 1 1-5 untuk bagian daun pertama, 6-10 untuk bagian daun kedua, 11-
15 untuk bagian daun ketiga dan seterusnya.
Data training
Gambar 4.2 Data training
V A
R I
E T
A S
1
atas
Pusat Samping
Samping Pusat
Samping Pusat
tengah
bawah
: :
:
V A
R I
E T
A S
10
atas
Pusat Samping
Samping Pusat
Samping Pusat
tengah
bawah
: :
Data testing
Gambar 4.3 Data testing
V A
R I
E T
A S
1
atas
Pusat Samping
Samping Pusat
Samping Pusat
tengah
bawah
: :
:
V A
R I
E T
A S
10
atas
Pusat Samping
Samping Pusat
Samping Pusat
tengah
bawah
: :
Setelah dilakukan pengindeksan pada image daun, kemudian indeks tersebut disimpan di dalam satu direktori yang diberi nama ‘TrainDatabase’ untuk data
training dan ‘TestDatabase’ untuk data testing.
Tahap Kedua : Praproses Praprocessing
Untuk dapat ditentukan chain code setiap image, maka setiap image daun terlebih dahulu harus melalui processing. Pada proses ini image daun yang
bersifat bitmap fullcolor 24 bit akan dikonversi menjadi grayscale, dan selanjutnya akan ditentukan binary imagenya. Proses ini dilakukan untuk
memudahkan penentuan chain code berdasarkan binary image.
Chain code
Gambar 4.4 Praproses Praprocessing Selanjutnya dilakukan perekaman chaincode. Dengan menggunakan pengkodean
Freeman, sebuah kontur tertutup dapat digambarkan sebagai rantai : u
1
u
2
u
3
u
4
....u
n
,
Tahap Ketiga : Ekstraksi Ciri
Dari barisan vektor chain code pada setiap image daun yang diperoleh, selanjutnya dengan menggunakan metode elliptic Fourier Descriptor akan
diperoleh empat nilai koefisien a
n
, b
n
, c
n
dan d
n
. Kemudian koefisien tersebut dinormalisasi untuk invariant terhadap rotasi, dilatasi dan translasi dari kontur
image sehingga diperoleh a
n
, b
n
, c
n
dan d
n
. Koefisien-koefisien ini disimpan ke dalam satu basis data yang berukuran N x 4.
Tahap Keempat : Analisis Kemiripan Klasifikasi
0 1 1 1 1 2 1 2 1 1 2 1 1 1 2 1 1 2 1 2 1 2 2 1 2 2 1 2 2 1 2 2 3 2 2 3 2 3 3 3 3 3 3 4 3 4 4 3 4 4 4 4 4 5 4 4 5 4 5 5 4 5 5 5 5 5 6 5 6 6 6 6 6 6 6 6 6 7 6 7
6 6 7 7 6 7 6 7 6 7 7 6 6 7 7 7 7 6 7 6 7
RGB Grayscale
Binarisasi Deteksi Edge
Pada tahap ini akan dilakukan pencocokan klasifikasi antara koefisien dari image data testing dengan koefisien-koefisien image data training yang telah
disimpan sebelumnya. Pencocokan ini dilakukan dengan menggunakan metode minimum distance.
Image training Image
tes
Vektor Fitur var 1 jarak1
Vektor Fitur var 2 jarak
2
Vektor Fitur var 3 jarak
3
Vektor Fitur var 4 jarak
4
Identit as = yang benar
Vektor Fitur var 5 Jarak
5
. Vektor Fitur var 6
jarak
6
Vektor Fitur var 7 Jarak
7
Vektor Fitur var 8 Jarak
8
Vektor Fitur var 9 Jarak
9
Vektor Fitur var 1 Jarak
10
Gambar 4.5 Proses pengenalan varietas kedelai
Feature Extractor
[x
1
,x
2
,x
3
,…,x
n
]
Feature Extractor
[x
1
,x
2
,x
3
,…,x
n
]
Feature Extractor
[x
1
,x
2
,x
3
,…,x
n
]
Feature Extractor
[x
1
,x
2
,x
3
,…,x
n
]
Feature Extractor
[x
1
,x
2
,x
3
,…,x
n
]
Feature Extractor
[x
1
,x
2
,x
3
,…,x
n
]
Feature Extractor
[x
1
,x
2
,x
3
,…,x
n
]
Feature Extractor
[x
1
,x
2
,x
3
,…,x
n
]
Feature Extractor
[x
1
,x
2
,x
3
,…,x
n
]
Feature Extractor
[x
1
,x
2
,x
3
,…,x
n
] [y
1
,y
2
,y
3
,…,y
n
]
Feature Extractor
Yang paling cocok = var 5
Varitas 1 Varitas 2
Varitas 3 Varitas 4
Varitas 5 Varitas 6
Varitas 7 Varitas 8
Varitas 9
Varitas10
Fase Testing Fase Training
Tahap Kelima : Penghitungan Akurasi
Pada tahap ini akan dilakukan penghitungan akurasi. Hasil akurasi dicatat pada setiap satu kali pengujian. Kemudian akan dilakukan pengujian ulang dengan
mengubah banyaknya harmonik yang digunakan dan seterusnya hingga N yang ditentukan.
Secara garis besar proses sistem pengenalan varietas kedelai berdasarkan
daun dapat dilihat seperti gambar berikut :
Rancangan sistem pengujian yang dilakukan terdiri dari 3 fungsi, yakni :
- CREATEDATABASE
Deskripsi : Fungsi ini membentuk database koefisien fourier data training Fungsi : memanggil data training dari folder
1 melakukan resize image daun menjadi img = matriks
MxN=50x50 2
mengkonversi image daun yang bersifat bitmap fullcolor 24 bit menjadi grayscale
3 mengkonversi grayscale image menjadi binerisasi image
4 menentukan chain code dari setiap image
5 menghitung koefisien elliptical fourier descriptor dari setiap image
- RECOGNITION
Deskripsi : Fungsi ini membandingkan 2 image daun dengan menghitung koefisien elliptical fourier descriptor image daun testing dan
mengukur jarak eucledian image daun testing dengan semua image daun training.
Fungsi : memanggil data training dari folder 1.
melakukan resize image daun menjadi img = matriks MxN=50x50
2. mengkonversi image daun yang bersifat jpeg fullcolor 24 bit
menjadi grayscale
3. mengkonversi grayscale image menjadi binerisasi image
4. menentukan chain code dari image
5. menghitung koefisien elliptical fourier descriptor dari image
6. Menghitung jarak Euclidian antara image tes dan image training
- PROGRAM UTAMA
Deskripsi : Fungsi ini memanggil fungsi yang menampilkan windows untuk meminta user memilih path direktori data training dan data testing
image. Selanjutnya fungsi ini memanggil fungsi Createdatabase dan fungsi Recognition.
Sistem pengujian pengenalan daun ini disimpan dengan file ‘Program_utama.m’. Output dari file ini adalah :
1. Meminta user untuk memilih path direktori data image daun yang
merupakan data training
Gambar 4.6 Browse pemilihan data training pada sistem pengujian
2. Meminta user untuk memilih path direktori data image daun yang
merupakan data testing
Gambar 4.7 Browse pemilihan data testing pada sistem pengujian 3.
Selanjutnya akan diperoleh hasil akurasi. Kode program dapat dilihat pada Lampiran 1.
Tahap Keenam : Analisis kombinasi Percobaan
Pada tahapan ini akan dilakukan beberapa percobaan penggunaan data training dan data testing. Rancangan percobaan ini dilakukan untuk menemukan
kombinasi faktor-faktor yang menghasilkan akurasi optimal dari pencocokan image. Selanjutnya faktor-faktor yang terpilih akan dijadikan dasar
pengembangan sistem aplikasi
4.1.2 Rancangan Sistem Aplikasi
Kategori