Transformasi Data Koefisien Determinasi

30

3.1.1 Identifikasi Masalah

Identifikasi masalah merupakan tahap awal dari rangkaian penelitian yang dilakukan. Dalam tahap ini dilakukan beberapa kegiatan, yaitu identifikasi masalah, menetapkan tujuan penelitian, studi literatur dan menentukan ruang lingkup penelitian.

3.1.2 Pengumpulan dan Praproses Data

Pada tahap ini dilakukan pengumpulan data sekunder berupa citra buah manggis. Data yang digunakan dalam penelitian ini adalah citra buah manggis Padang berukuran 640x480 piksel, hasil dari pengambilan didalam kotak instrument tertutup yang diberi pelapis kain warna hitam, menggunakan kamera Change Couple Device CCD Telview tipe ST205 color, dua buah lampu PL Philips warna putih 11 watt dan bidang dasar pemotretan berwarna putih, dengan jarak rekam 30 cm dan posisi sudut pencahayaan 45. Data sekunder tersebut penulis dapatkan dari laboratorium sistem dan manajeman keteknikan pertanian Universitas Padjajaran Bandung. Populasi manggis bersifat homogen, yaitu mempunyai karakteristik yang sama, sehingga dianggap cukup menggunakan citra sampel buah manggis sebanyak 125 buah, yaitu citra buah manggis yang berada pada tahap kematangan 2 sampai 6, dengan 25 citra manggis di setiap tahap kematangan. Data citra buah manggis yang digunakan tidak mempunyai ukuran yang seragam dan tidak memperhitungkan diameter buah manggis dalam pengolahan menjadi nilai-nilai fitur yang digunakan sebagai penentu tahap kematangan buah manggis. Citra buah manggis diolah menggunakan matlab R2009b untuk mendapatkan nilai RGB. Selanjutnya nilai RGB dinormalisasi menjadi rgb dengan cara membagi masing-masing nilai dengan bilangan 255. Nilai rgb kemudian dikonversi ke dalam HSV, Luv, Lab menggunakan persamaan 1-19. Dilakukan juga ekstraksi ciri pada citra buah manggis tersebut menggunakan metode gray-level co-occurrence matrix GLCM untuk mendapatkan ciri tekstur berdasarkan persamaan 20-23 yang meliputi entropi, kontras, energi dan 31 homogenitas. Langkah terakhir dalam pengolahan data ini adalah mentransformasi nilai-nilai fitur tersebut ke dalam rentang 0 sampai 1 menggunakan persamaan 24. Selanjutnya data tersebut dibagi menjadi dua kelompok data yang saling asing, yaitu data yang digunakan untuk training atau pelatihan pembentukan model dan data yang digunakan untuk testing atau pengujian. Data pelatihan diambil kurang lebih 85 disetiap tahap kematangan, yaitu berjumlah 21 data dan data yang digunakan untuk pengujian kurang lebih15 di setiap tahap kematangan, yaitu berjumlah 4. Total jumlah data pelatihan adalah 21 x 5 = 105 dan total jumlah data pengujian adalah 4 x 5 = 20. Hal ini dianggap cukup mengingat populasi bersifat homogen dengan mengambil tingkat presisi 20.

3.1.3 Desain Model FNN

1 Penentuan Variabel Input atau masukan Variabel input ditentukan berdasarkan fitur penduga yang paling layak digunakan sebagai penduga kematangan buah manggis, yaitu hasil analisis dari fitur rgb, hsv, luv, lab, entropi, kontras energi dan homogenitas. Analisa dilakukan berdasarkan sebaran data tiap kelasnya dan nilai koefisien determinasi yang dicari menggunakan persamaan 25 dan 26. 2 Penentuan Pola Output Fuzzy Variasi FNN yang dipakai dalam penelitina ini adalah input bernilai crisp, sedangkan output bernilai fuzzy sesuai dengan model FNN tipe 5 Mashinchi Shamsuddin 2009. Pola pelatihan awal klasifikasi fuzzy ini berupa matriks, berisi pasangan nilai fitur-fitur penentu kematangan manggis yang merupakan nilai input dan target yang semuanya bernilai crisp. Sehingga pola pelatihan yang dibaca berupa matriks seperti pada Gambar 15. Sebelum proses pelatihan dimulai terlebih dahulu dilakukan pengubahan nilai target atau output menjadi pola output fuzzy. Penentuan pola output fuzzy dilakukan dengan dua tahap, tahap pertama adalah mencari jarak terbobot pola pelatihan terhadap kelas target yang didefinisikan, selanjutnya tahap kedua adalah menghitung derajat keanggotaan pola pelatihan berdasarkan hasil perhitungan jarak terbobot. Kedua tahap penentuan pola output fuzzy ini dilakukan menggunakan persamaan 29 dan 30, sehingga didapatkan nilai target bernilai