Identifikasi kualitas beras dengan citra digital menggunakan metode decision tree – iterative dichotomiser tree (id3) dan c4.5 BAB 0
perpustakaan.uns.ac.id
digilib.uns.ac.id
IDENTIFIKASI KUALITAS BERAS DENGAN CITRA DIGITAL
MENGGUNAKAN METODE DECISION TREE – ITERATIVE
DICHOTOMISER TREE (ID3) DAN C4.5
HALAMAN JUDUL
SKRIPSI
Diajukan untuk memenuhi salah satu syarat mencapai gelar Strata Satu
Program Studi Informatika
Disusun oleh:
ARISSA APRILIA NURCAHYANI
M0511010
PROGRAM STUDI INFORMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SEBELAS MARET
SURAKARTA
commit
to user
2016
i
perpustakaan.uns.ac.id
digilib.uns.ac.id
SKRIPSI
IDENTIFIKASI KUALITAS BERAS DENGAN CITRA DIGITAL
MENGGUNAKAN METODE DECISION TREE – ITERATIVE
DICHOTOMISER TREE (ID3) DAN C4.5
HALAMAN PENGAJUAN
Disusun oleh:
Arissa Aprilia Nurcahyani
M0511010
Ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar
Strata Satu Program Studi Informatika
PROGRAM STUDI INFORMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SEBELAS MARET
SURAKARTA
2016
commit to user
ii
perpustakaan.uns.ac.id
digilib.uns.ac.id
HALAMAN PERSETUJUAN
commit to user
iii
perpustakaan.uns.ac.id
digilib.uns.ac.id
HALAMAN P ENGESA HAN
commit to user
iv
perpustakaan.uns.ac.id
digilib.uns.ac.id
PERSEMBAHAN
Dengan segala rasa syukur, laporan skripsi ini penulis persembahkan kepada:
Bapak Aries Ramelani dan Ibu Suci Nuryani serta adik-adik Hafidha Ainurrahma
dan Indana Alya Mumtaza,
Bapak Ristu Saptono, S.Si, M.T serta Ibu Esti Suryani, S.Si, M.Kom,
Sahabat dan keluarga Informatika khususnya teman seperjuangan angkatan 2011,
Keluarga SAT beserta Staff dan Karyawan UPT TIK UNS,
Bolo Kurowo IPA 1 SMA Negeri 1 Gemolong
commit to user
v
perpustakaan.uns.ac.id
digilib.uns.ac.id
MOTTO
“Inna ma ’al ‘usri yusroo.”
“Sesungguhnya bersama kesulitan itu ada kemudahan.”
Q.S. Al Insyirah: 6
commit to user
vi
perpustakaan.uns.ac.id
digilib.uns.ac.id
KATA PENGANTAR
Puji syukur kehadirat Allah SWT yang telah melimpahkan rahmatnya
sehingga penulis dapat menyelesaikan Skripsi dengan judul “Identifikasi Kualitas
Beras dengan Citra Digital Menggunakan Metode Decision Tree – Iterative
Dichotomiser Tree (ID3) dan C4.5”. Laporan Skripsi ini disusun untuk memenuhi
salah satu syarat dalam memperoleh gelar Sarjana Komputer pada Program Studi
Informatika Universitas Sebelas Maret.
Dalam melakukan penelitian dan penyusunan laporan Skripsi ini penulis
telah mendapatkan banyak dukungan dan bantuan dari berbagai pihak. Penulis
mengucapkan terimakasih yang tak terhingga kepada:
1. Bapak dan Ibu serta keluarga yang selalu memberikan dukungan dan
semangat untuk menyelesaikan tugas akhir.
2. Prof. Ir. Ari Handono Ramelan M.Sc. (Hons), Ph.D. selaku Dekan Fakultas
MIPA Universitas Sebelas Maret.
3. Bapak Drs. Bambang Harjito M.APP.Sc, Ph.D. selaku Kepala Program
Studi Informatika Universitas Sebelas Maret.
4. Bapak Ristu Saptono S.Si., M.T. dan Ibu Esti Suryani S.Si., M.Kom. selaku
dosen pembimbing yang telah dengan penuh kesabaran dan ketulusan
memberikan ilmu dan bimbingan terbaik kepada penulis.
5. Para Dosen Program Studi Informatika Universitas Sebelas Maret yang
telah memberikan bekal ilmu kepada penulis.
6. Para Staff dan karyawan serta keluarga SAT UPT. TIK UNS yang telah
mendukung dan berbagi ilmu dalam dalam kuliah dan kerja.
7. Bapak Warsono dan Bapak Eko yang telah banyak membantu dalam
memberikan informasi serta validasi dalam penelitian ini.
Penulis menyadari sepenuhnya bahwa laporan Skripsi ini masih jauh dari
sempurna. Walaupun demikian, semoga tulisan ini dapat memberikan manfaat dan
memberikan wawasan tambahan bagi para pembaca dan khususnya bagi penulis.
Surakarta, Januari 2016
commit to user
vii
Penulis
perpustakaan.uns.ac.id
digilib.uns.ac.id
IDENTIFIKASI KUALITAS BERAS DENGAN CITRA DIGITAL
MENGGUNAKAN METODE DECISION TREE – ITERATIVE
DICHOTOMISER TREE (ID3) DAN C4.5
ARISSA APRILIA NURCAHYANI
Program Studi Informatika, Fakultas Matematika dan Ilmu Pengetahuan Alam,
Universitas Sebelas Maret
ABSTRAK
Beras merupakan makanan pokok yang paling banyak di konsumsi oleh masyarakat
Indonesia. Namun, seiring dengan bertambahnya kebutuhan beras di Indonesia,
harga beras di pasaran justru semakin melonjak dan banyak beredar beras yang
memiliki kualitas kurang baik. Oleh karena itu perlu adanya standar kualitas mutu
dari pihak gudang beras saat mendistribusikan beras. Standar pengujian kualitas
dari pihak Bulog adalah uji laboratorium dan uji visual. Namun, pengujian secara
visual selama ini masih dilakukan secara manual sehingga masih sering terjadi
kesalahan. Oleh karena itu, sistem pengujian secara visual dengan citra digital
dapat menjadi solusi yang efektif untuk permasalahan tersebut. Proses pengujian
dapat dilihat dari nilai putih, bersih, dan utuh beras yang diperoleh melalui
pengolahan citra digital. Nilai bersih dan putih diperoleh dengan menganalisis
nilai HSV, sedangkan nilai utuh diperoleh dengan menganalisis luas region objek.
Sebelumnya, dilakukan training menggunakan 30 data untuk mendapatkan pohon
keputusan ID3 dan C4.5. Data yang telah diperoleh dari pengolahan citra
kemudian diklasifikasi ke dalam 3 kelas yaitu baik, kurang dan buruk menggunakan
pohon keputusan. Hasil evaluasi data klasifikasi dengan metode supplied test
menghasilkan akurasi 100% untuk ID3 dan 83.3% untuk C4.5. Sedangkan
pengujian data dengan k-fold cross validation dengan k=5 didapatkan akurasi
precision 0.969, recall 0.967, f-measure 0.967 untuk metode ID3 dan precision
0.97, recall 0.97, f-measure 0.97 untuk metode C4.5.
Kata Kunci: Pengolahan Citra, Beras, Decision Tree, ID3, C4.5
commit to user
viii
perpustakaan.uns.ac.id
digilib.uns.ac.id
RICE GRAIN QUALITY IDENTIFICATION WITH DIGITAL IMAGE USING
DECISION TREE – ITERATIVE DICHOTOMISER TREE (ID3) AND C4.5
ARISSA APRILIA NURCAHYANI
Departement of Informatics, Faculty of Mathematics and Natural Science,
Sebelas Maret University
ABSTRACT
Rice is the staple food which is consumed by Indonesian people. However, along
with the increasing of rice demand, the price of rice in the market also increasing,
and then many poor quality rice emerging. Therefore, we need for quality standards
of rice from the rice warehouse while distribute the rice. The Bulog quality testing
standards are laboratory tests and visual tests. However, the visual testing is still
done manually consequently the errors are still occur. Therefore, the visual test
system with digital image can be an effective solution to these problems. The testing
process can be seen from the white, clean, and roundness value of rice acquired
through digital image processing. Clean and white values are obtained by analyzing
the value of HSV, while the value of the roundness is obtained by analyzing the wide
region of the object. Previously, 30 data are used for training to get a decision tree
ID3 and C4.5 model. The image data has been acquired then classified into three
classes i.e., good, fair and poor using the decision tree. The classification data
results that evaluated by supplied test method produces 100% of accuracy for ID3
and 83.3% for C4.5. While testing data by k-fold cross validation with k = 5 obtain
precision 0.969, recall 0.967, f-measure 0.967 for ID3 and precision 0.97, recall
0.97, dan f-measure 0.97 for C4.5.
Keywords: Image Processing, Rice, Decision Tree, ID3, C4.5
commit to user
ix
perpustakaan.uns.ac.id
digilib.uns.ac.id
DAFTAR ISI
HALAMAN JUDUL................................................................................................ i
HALAMAN PENGAJUAN .................................................................................... ii
HALAMAN PERSETUJUAN ............................................................................... iii
HALAMAN PENGESAHAN ................................................................................ iv
PERSEMBAHAN ................................................................................................... v
MOTTO.................................................................................................................. vi
KATA PENGANTAR ............................................................................................ vii
ABSTRAK ........................................................................................................... viii
ABSTRACT ........................................................................................................... ix
DAFTAR ISI ........................................................................................................... x
DAFTAR TABEL................................................................................................. xiii
DAFTAR GAMBAR ........................................................................................... xiv
DAFTAR LAMPIRAN ......................................................................................... xv
BAB I PENDAHULUAN ....................................................................................... 1
1.1 Latar Belakang ............................................................................................ 1
1.2 Rumusan Masalah ....................................................................................... 2
1.3 Batasan Masalah .......................................................................................... 2
1.4 Tujuan Penelitian ......................................................................................... 3
1.5 Manfaat Penelitian....................................................................................... 3
1.6 Sistematika Penulisan .................................................................................. 3
BAB II TINJAUAN PUSTAKA ............................................................................. 4
2.1 Dasar Teori .................................................................................................. 4
2.1.1 Definisi Citra Digital .............................................................................. 4
2.1.2 Pengolahan Citra Digital ........................................................................ 5
2.1.3 Model Warna .......................................................................................... 5
2.1.4 Segmentasi Citra ..................................................................................... 8
2.1.5 Connected Component Labelling ........................................................... 8
2.1.6 Decision Tree ........................................................................................ 10
2.1.7 Iterative Dichotomiser Tree (ID3) ........................................................ 10
2.1.8 C4.5 ...................................................................................................... 14
commit to user
2.1.9 Distribusi Normal ................................................................................. 16
x
perpustakaan.uns.ac.id
digilib.uns.ac.id
2.2 Penelitian Terkait ....................................................................................... 17
2.2.1 Quality Evaluation of Rice Using Morphological Methods (Ajay, Suneel,
Kumar, & Prasad, 2013) ....................................................................... 17
2.2.2 Klasifikasi Kualitas Beras Berdasarkan Ciri Fisik Berbasis Pengolahan
Citra Digital (Suminar, Hidayat, & Atmaja, 2012) ............................... 17
2.2.3 Identifikasi Mutu Fisik Beras dengan Menggunakan Teknologi
Pengolahan Citra dan Jaringan Syaraf Tiruan (Somantri, Darmawati, &
Astika, 2013) ........................................................................................ 18
2.2.4 A Comparative Study of Decision tree ID3 and C4.5 (Hssina, Merbouha,
Ezzikouri, & Erritali, 2013) .................................................................. 18
2.2.5 Predicting Students’ Performance Using ID3 and C4.5 Classification
Algorithms (Adhatrao, Gaykar, Dhawan, Jha, & Honrao, 2013) ......... 19
2.3 Rencana Penelitian .................................................................................... 19
BAB III METODOLOGI ...................................................................................... 23
3.1 Pengambilan Data Tekstual ....................................................................... 23
3.2 Penentuan Parameter dan Standar Kualitas Beras ..................................... 24
3.3 Akuisisi Data Citra Digital ........................................................................ 25
3.4 Segmentasi Citra ....................................................................................... 25
3.5 Ekstraksi Ciri dan Identifikasi ................................................................... 27
3.5.1 Analisis Jumlah Bulir Beras ................................................................. 27
3.5.2 Analisis Nilai Putih Beras .................................................................... 28
3.5.3 Analisis Nilai Bersih Beras................................................................... 30
3.5.4 Analisis Nilai Utuh Beras ..................................................................... 32
3.6 Training Data Tekstual .............................................................................. 33
3.7 Klasifikasi Kualitas Beras ......................................................................... 33
3.8 Evaluasi ..................................................................................................... 34
BAB IV HASIL DAN PEMBAHASAN .............................................................. 36
4.1 Pengambilan Data Tekstual ....................................................................... 36
4.2 Penentuan Parameter ................................................................................. 36
4.2.1 Parameter Nilai Utuh dan Noise ........................................................... 36
commit to user
4.2.2 Parameter Nilai Putih ...........................................................................
37
xi
perpustakaan.uns.ac.id
digilib.uns.ac.id
4.2.3 Parameter Nilai Bersih.......................................................................... 38
4.3 Segmentasi Citra ....................................................................................... 39
4.4 Ekstraksi Ciri dan Identifikasi ................................................................... 40
4.4.1 Analisis Jumlah Bulir Beras ................................................................. 40
4.4.2 Analisis Nilai Putih Beras .................................................................... 40
4.4.3 Analisis Nilai Bersih Beras................................................................... 41
4.4.4 Analisis Nilai Utuh Beras ..................................................................... 42
4.5 Pelatihan Data Tekstual ............................................................................. 43
4.6 Klasifikasi Kualitas Beras ......................................................................... 44
4.7 Pembahasan ............................................................................................... 45
4.7.1 Data Hasil Identifikasi Citra ................................................................. 45
4.7.2 Pohon Keputusan ID3 dan C4.5 ........................................................... 46
4.7.3 Evaluasi ................................................................................................ 47
BAB V KESIMPULAN DAN SARAN ................................................................ 50
5.1 Kesimpulan................................................................................................ 50
5.2 Saran .......................................................................................................... 50
DAFTAR PUSTAKA ............................................................................................ 51
LAMPIRAN .......................................................................................................... 54
commit to user
xii
perpustakaan.uns.ac.id
digilib.uns.ac.id
DAFTAR TABEL
Tabel 2.1. Data klasifikasi .....................................................................................11
Tabel 2.2. Pemilihan root...................................................................................... 12
Tabel 2.3. Pemilihan node 1.1 .............................................................................. 13
Tabel 2.4. Keterkaitan penelitian dengan penelitian sebelumnya ........................ 20
Tabel 3.1. Tabel parameter kualitas beras ............................................................. 24
Tabel 3.2. Confucion matrix hasil klasifikasi ....................................................... 35
Tabel 4.1. Susunan kombinasi data tekstual ......................................................... 36
Tabel 4.2. Penentuan parameter keutuhan dan noise ............................................ 37
Tabel 4.3. Penentuan parameter HSV nilai putih ................................................. 37
Tabel 4.4. Penentuan batas nilai putih .................................................................. 38
Tabel 4.5. Penentuan parameter HSV nilai bersih ................................................ 38
Tabel 4.6. Hasil analisis jumlah bulir beras .......................................................... 40
Tabel 4.7. Hasil analisis nilai putih beras ............................................................. 41
Tabel 4.8. Hasil analisis nilai bersih beras............................................................ 42
Tabel 4.9. Hasil analisis nilai utuh beras .............................................................. 42
Tabel 4.10. Contoh hasil klasifikasi...................................................................... 44
Tabel 4.11. Data informasi kualitas per bulir beras .............................................. 46
Tabel 4.12. Tabel akurasi k-fold cross validation metode ID3 ............................. 48
Tabel 4.13. Tabel akurasi k-fold cross validation metode C4.5............................ 48
Tabel 4.14. Hasil pengujian ID3 ........................................................................... 49
Tabel 4.15. Hasil pengujian C4.5 ......................................................................... 49
commit to user
xiii
perpustakaan.uns.ac.id
digilib.uns.ac.id
DAFTAR GAMBAR
Gambar 2.1. Aturan koordinat citra digital ........................................................... 4
Gambar 2.2. Struktur warna RGB ......................................................................... 6
Gambar 2.3. Struktur warna HSV ......................................................................... 6
Gambar 2.4. Citra grayscale ................................................................................. 7
Gambar 2.5. Representasi citra biner..................................................................... 7
Gambar 2.6. Labelling objek ................................................................................ 9
Gambar 2.7. Pohon keputusan tahap awal ........................................................... 13
Gambar 2.8. Hasil akhir pohon keputusan .......................................................... 14
Gambar 2.9. Kurva distribusi normal .................................................................. 16
Gambar 3.1. Diagram alir metodologi penelitian ................................................ 23
Gambar 3.2. Standar beras berkualitas baik. ....................................................... 24
Gambar 3.3. Data gambar beras. ......................................................................... 25
Gambar 3.4. Diagram alir segmentasi citra biner ................................................ 26
Gambar 3.5. Diagram alir hitung jumlah beras ................................................... 28
Gambar 3.6. Diagram alir analisis nilai putih beras ............................................ 29
Gambar 3.7. Diagram alir analisis nilai bersih beras ........................................... 31
Gambar 3.8. Diagram alir analisis nilai utuh beras ............................................. 33
Gambar 3.9. Diagram alir klasifikasi kualitas beras ............................................ 34
Gambar 4.1. Proses segmentasi citra biner .......................................................... 39
Gambar 4.2. Pohon keputusan ID3 ...................................................................... 43
Gambar 4.3. Pohon keputusan C4.5 .................................................................... 44
Gambar 4.4. Citra hasil labelling jumlah beras ................................................... 45
Gambar 4.5. Pohon keputusan ID3 ...................................................................... 47
Gambar 4.3. Pohon keputusan C4.5 .................................................................... 47
commit to user
xiv
perpustakaan.uns.ac.id
digilib.uns.ac.id
DAFTAR LAMPIRAN
Lampiran 1. Kombinasi Data Tekstual ................................................................ 54
Lampiran 2. Data Informasi Beras Standar ......................................................... 55
Lampiran 3. Hasil Pengujian dengan Sistem ...................................................... 57
Lampiran 4. Tampilan Aplikasi ........................................................................... 60
commit to user
xv
digilib.uns.ac.id
IDENTIFIKASI KUALITAS BERAS DENGAN CITRA DIGITAL
MENGGUNAKAN METODE DECISION TREE – ITERATIVE
DICHOTOMISER TREE (ID3) DAN C4.5
HALAMAN JUDUL
SKRIPSI
Diajukan untuk memenuhi salah satu syarat mencapai gelar Strata Satu
Program Studi Informatika
Disusun oleh:
ARISSA APRILIA NURCAHYANI
M0511010
PROGRAM STUDI INFORMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SEBELAS MARET
SURAKARTA
commit
to user
2016
i
perpustakaan.uns.ac.id
digilib.uns.ac.id
SKRIPSI
IDENTIFIKASI KUALITAS BERAS DENGAN CITRA DIGITAL
MENGGUNAKAN METODE DECISION TREE – ITERATIVE
DICHOTOMISER TREE (ID3) DAN C4.5
HALAMAN PENGAJUAN
Disusun oleh:
Arissa Aprilia Nurcahyani
M0511010
Ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar
Strata Satu Program Studi Informatika
PROGRAM STUDI INFORMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SEBELAS MARET
SURAKARTA
2016
commit to user
ii
perpustakaan.uns.ac.id
digilib.uns.ac.id
HALAMAN PERSETUJUAN
commit to user
iii
perpustakaan.uns.ac.id
digilib.uns.ac.id
HALAMAN P ENGESA HAN
commit to user
iv
perpustakaan.uns.ac.id
digilib.uns.ac.id
PERSEMBAHAN
Dengan segala rasa syukur, laporan skripsi ini penulis persembahkan kepada:
Bapak Aries Ramelani dan Ibu Suci Nuryani serta adik-adik Hafidha Ainurrahma
dan Indana Alya Mumtaza,
Bapak Ristu Saptono, S.Si, M.T serta Ibu Esti Suryani, S.Si, M.Kom,
Sahabat dan keluarga Informatika khususnya teman seperjuangan angkatan 2011,
Keluarga SAT beserta Staff dan Karyawan UPT TIK UNS,
Bolo Kurowo IPA 1 SMA Negeri 1 Gemolong
commit to user
v
perpustakaan.uns.ac.id
digilib.uns.ac.id
MOTTO
“Inna ma ’al ‘usri yusroo.”
“Sesungguhnya bersama kesulitan itu ada kemudahan.”
Q.S. Al Insyirah: 6
commit to user
vi
perpustakaan.uns.ac.id
digilib.uns.ac.id
KATA PENGANTAR
Puji syukur kehadirat Allah SWT yang telah melimpahkan rahmatnya
sehingga penulis dapat menyelesaikan Skripsi dengan judul “Identifikasi Kualitas
Beras dengan Citra Digital Menggunakan Metode Decision Tree – Iterative
Dichotomiser Tree (ID3) dan C4.5”. Laporan Skripsi ini disusun untuk memenuhi
salah satu syarat dalam memperoleh gelar Sarjana Komputer pada Program Studi
Informatika Universitas Sebelas Maret.
Dalam melakukan penelitian dan penyusunan laporan Skripsi ini penulis
telah mendapatkan banyak dukungan dan bantuan dari berbagai pihak. Penulis
mengucapkan terimakasih yang tak terhingga kepada:
1. Bapak dan Ibu serta keluarga yang selalu memberikan dukungan dan
semangat untuk menyelesaikan tugas akhir.
2. Prof. Ir. Ari Handono Ramelan M.Sc. (Hons), Ph.D. selaku Dekan Fakultas
MIPA Universitas Sebelas Maret.
3. Bapak Drs. Bambang Harjito M.APP.Sc, Ph.D. selaku Kepala Program
Studi Informatika Universitas Sebelas Maret.
4. Bapak Ristu Saptono S.Si., M.T. dan Ibu Esti Suryani S.Si., M.Kom. selaku
dosen pembimbing yang telah dengan penuh kesabaran dan ketulusan
memberikan ilmu dan bimbingan terbaik kepada penulis.
5. Para Dosen Program Studi Informatika Universitas Sebelas Maret yang
telah memberikan bekal ilmu kepada penulis.
6. Para Staff dan karyawan serta keluarga SAT UPT. TIK UNS yang telah
mendukung dan berbagi ilmu dalam dalam kuliah dan kerja.
7. Bapak Warsono dan Bapak Eko yang telah banyak membantu dalam
memberikan informasi serta validasi dalam penelitian ini.
Penulis menyadari sepenuhnya bahwa laporan Skripsi ini masih jauh dari
sempurna. Walaupun demikian, semoga tulisan ini dapat memberikan manfaat dan
memberikan wawasan tambahan bagi para pembaca dan khususnya bagi penulis.
Surakarta, Januari 2016
commit to user
vii
Penulis
perpustakaan.uns.ac.id
digilib.uns.ac.id
IDENTIFIKASI KUALITAS BERAS DENGAN CITRA DIGITAL
MENGGUNAKAN METODE DECISION TREE – ITERATIVE
DICHOTOMISER TREE (ID3) DAN C4.5
ARISSA APRILIA NURCAHYANI
Program Studi Informatika, Fakultas Matematika dan Ilmu Pengetahuan Alam,
Universitas Sebelas Maret
ABSTRAK
Beras merupakan makanan pokok yang paling banyak di konsumsi oleh masyarakat
Indonesia. Namun, seiring dengan bertambahnya kebutuhan beras di Indonesia,
harga beras di pasaran justru semakin melonjak dan banyak beredar beras yang
memiliki kualitas kurang baik. Oleh karena itu perlu adanya standar kualitas mutu
dari pihak gudang beras saat mendistribusikan beras. Standar pengujian kualitas
dari pihak Bulog adalah uji laboratorium dan uji visual. Namun, pengujian secara
visual selama ini masih dilakukan secara manual sehingga masih sering terjadi
kesalahan. Oleh karena itu, sistem pengujian secara visual dengan citra digital
dapat menjadi solusi yang efektif untuk permasalahan tersebut. Proses pengujian
dapat dilihat dari nilai putih, bersih, dan utuh beras yang diperoleh melalui
pengolahan citra digital. Nilai bersih dan putih diperoleh dengan menganalisis
nilai HSV, sedangkan nilai utuh diperoleh dengan menganalisis luas region objek.
Sebelumnya, dilakukan training menggunakan 30 data untuk mendapatkan pohon
keputusan ID3 dan C4.5. Data yang telah diperoleh dari pengolahan citra
kemudian diklasifikasi ke dalam 3 kelas yaitu baik, kurang dan buruk menggunakan
pohon keputusan. Hasil evaluasi data klasifikasi dengan metode supplied test
menghasilkan akurasi 100% untuk ID3 dan 83.3% untuk C4.5. Sedangkan
pengujian data dengan k-fold cross validation dengan k=5 didapatkan akurasi
precision 0.969, recall 0.967, f-measure 0.967 untuk metode ID3 dan precision
0.97, recall 0.97, f-measure 0.97 untuk metode C4.5.
Kata Kunci: Pengolahan Citra, Beras, Decision Tree, ID3, C4.5
commit to user
viii
perpustakaan.uns.ac.id
digilib.uns.ac.id
RICE GRAIN QUALITY IDENTIFICATION WITH DIGITAL IMAGE USING
DECISION TREE – ITERATIVE DICHOTOMISER TREE (ID3) AND C4.5
ARISSA APRILIA NURCAHYANI
Departement of Informatics, Faculty of Mathematics and Natural Science,
Sebelas Maret University
ABSTRACT
Rice is the staple food which is consumed by Indonesian people. However, along
with the increasing of rice demand, the price of rice in the market also increasing,
and then many poor quality rice emerging. Therefore, we need for quality standards
of rice from the rice warehouse while distribute the rice. The Bulog quality testing
standards are laboratory tests and visual tests. However, the visual testing is still
done manually consequently the errors are still occur. Therefore, the visual test
system with digital image can be an effective solution to these problems. The testing
process can be seen from the white, clean, and roundness value of rice acquired
through digital image processing. Clean and white values are obtained by analyzing
the value of HSV, while the value of the roundness is obtained by analyzing the wide
region of the object. Previously, 30 data are used for training to get a decision tree
ID3 and C4.5 model. The image data has been acquired then classified into three
classes i.e., good, fair and poor using the decision tree. The classification data
results that evaluated by supplied test method produces 100% of accuracy for ID3
and 83.3% for C4.5. While testing data by k-fold cross validation with k = 5 obtain
precision 0.969, recall 0.967, f-measure 0.967 for ID3 and precision 0.97, recall
0.97, dan f-measure 0.97 for C4.5.
Keywords: Image Processing, Rice, Decision Tree, ID3, C4.5
commit to user
ix
perpustakaan.uns.ac.id
digilib.uns.ac.id
DAFTAR ISI
HALAMAN JUDUL................................................................................................ i
HALAMAN PENGAJUAN .................................................................................... ii
HALAMAN PERSETUJUAN ............................................................................... iii
HALAMAN PENGESAHAN ................................................................................ iv
PERSEMBAHAN ................................................................................................... v
MOTTO.................................................................................................................. vi
KATA PENGANTAR ............................................................................................ vii
ABSTRAK ........................................................................................................... viii
ABSTRACT ........................................................................................................... ix
DAFTAR ISI ........................................................................................................... x
DAFTAR TABEL................................................................................................. xiii
DAFTAR GAMBAR ........................................................................................... xiv
DAFTAR LAMPIRAN ......................................................................................... xv
BAB I PENDAHULUAN ....................................................................................... 1
1.1 Latar Belakang ............................................................................................ 1
1.2 Rumusan Masalah ....................................................................................... 2
1.3 Batasan Masalah .......................................................................................... 2
1.4 Tujuan Penelitian ......................................................................................... 3
1.5 Manfaat Penelitian....................................................................................... 3
1.6 Sistematika Penulisan .................................................................................. 3
BAB II TINJAUAN PUSTAKA ............................................................................. 4
2.1 Dasar Teori .................................................................................................. 4
2.1.1 Definisi Citra Digital .............................................................................. 4
2.1.2 Pengolahan Citra Digital ........................................................................ 5
2.1.3 Model Warna .......................................................................................... 5
2.1.4 Segmentasi Citra ..................................................................................... 8
2.1.5 Connected Component Labelling ........................................................... 8
2.1.6 Decision Tree ........................................................................................ 10
2.1.7 Iterative Dichotomiser Tree (ID3) ........................................................ 10
2.1.8 C4.5 ...................................................................................................... 14
commit to user
2.1.9 Distribusi Normal ................................................................................. 16
x
perpustakaan.uns.ac.id
digilib.uns.ac.id
2.2 Penelitian Terkait ....................................................................................... 17
2.2.1 Quality Evaluation of Rice Using Morphological Methods (Ajay, Suneel,
Kumar, & Prasad, 2013) ....................................................................... 17
2.2.2 Klasifikasi Kualitas Beras Berdasarkan Ciri Fisik Berbasis Pengolahan
Citra Digital (Suminar, Hidayat, & Atmaja, 2012) ............................... 17
2.2.3 Identifikasi Mutu Fisik Beras dengan Menggunakan Teknologi
Pengolahan Citra dan Jaringan Syaraf Tiruan (Somantri, Darmawati, &
Astika, 2013) ........................................................................................ 18
2.2.4 A Comparative Study of Decision tree ID3 and C4.5 (Hssina, Merbouha,
Ezzikouri, & Erritali, 2013) .................................................................. 18
2.2.5 Predicting Students’ Performance Using ID3 and C4.5 Classification
Algorithms (Adhatrao, Gaykar, Dhawan, Jha, & Honrao, 2013) ......... 19
2.3 Rencana Penelitian .................................................................................... 19
BAB III METODOLOGI ...................................................................................... 23
3.1 Pengambilan Data Tekstual ....................................................................... 23
3.2 Penentuan Parameter dan Standar Kualitas Beras ..................................... 24
3.3 Akuisisi Data Citra Digital ........................................................................ 25
3.4 Segmentasi Citra ....................................................................................... 25
3.5 Ekstraksi Ciri dan Identifikasi ................................................................... 27
3.5.1 Analisis Jumlah Bulir Beras ................................................................. 27
3.5.2 Analisis Nilai Putih Beras .................................................................... 28
3.5.3 Analisis Nilai Bersih Beras................................................................... 30
3.5.4 Analisis Nilai Utuh Beras ..................................................................... 32
3.6 Training Data Tekstual .............................................................................. 33
3.7 Klasifikasi Kualitas Beras ......................................................................... 33
3.8 Evaluasi ..................................................................................................... 34
BAB IV HASIL DAN PEMBAHASAN .............................................................. 36
4.1 Pengambilan Data Tekstual ....................................................................... 36
4.2 Penentuan Parameter ................................................................................. 36
4.2.1 Parameter Nilai Utuh dan Noise ........................................................... 36
commit to user
4.2.2 Parameter Nilai Putih ...........................................................................
37
xi
perpustakaan.uns.ac.id
digilib.uns.ac.id
4.2.3 Parameter Nilai Bersih.......................................................................... 38
4.3 Segmentasi Citra ....................................................................................... 39
4.4 Ekstraksi Ciri dan Identifikasi ................................................................... 40
4.4.1 Analisis Jumlah Bulir Beras ................................................................. 40
4.4.2 Analisis Nilai Putih Beras .................................................................... 40
4.4.3 Analisis Nilai Bersih Beras................................................................... 41
4.4.4 Analisis Nilai Utuh Beras ..................................................................... 42
4.5 Pelatihan Data Tekstual ............................................................................. 43
4.6 Klasifikasi Kualitas Beras ......................................................................... 44
4.7 Pembahasan ............................................................................................... 45
4.7.1 Data Hasil Identifikasi Citra ................................................................. 45
4.7.2 Pohon Keputusan ID3 dan C4.5 ........................................................... 46
4.7.3 Evaluasi ................................................................................................ 47
BAB V KESIMPULAN DAN SARAN ................................................................ 50
5.1 Kesimpulan................................................................................................ 50
5.2 Saran .......................................................................................................... 50
DAFTAR PUSTAKA ............................................................................................ 51
LAMPIRAN .......................................................................................................... 54
commit to user
xii
perpustakaan.uns.ac.id
digilib.uns.ac.id
DAFTAR TABEL
Tabel 2.1. Data klasifikasi .....................................................................................11
Tabel 2.2. Pemilihan root...................................................................................... 12
Tabel 2.3. Pemilihan node 1.1 .............................................................................. 13
Tabel 2.4. Keterkaitan penelitian dengan penelitian sebelumnya ........................ 20
Tabel 3.1. Tabel parameter kualitas beras ............................................................. 24
Tabel 3.2. Confucion matrix hasil klasifikasi ....................................................... 35
Tabel 4.1. Susunan kombinasi data tekstual ......................................................... 36
Tabel 4.2. Penentuan parameter keutuhan dan noise ............................................ 37
Tabel 4.3. Penentuan parameter HSV nilai putih ................................................. 37
Tabel 4.4. Penentuan batas nilai putih .................................................................. 38
Tabel 4.5. Penentuan parameter HSV nilai bersih ................................................ 38
Tabel 4.6. Hasil analisis jumlah bulir beras .......................................................... 40
Tabel 4.7. Hasil analisis nilai putih beras ............................................................. 41
Tabel 4.8. Hasil analisis nilai bersih beras............................................................ 42
Tabel 4.9. Hasil analisis nilai utuh beras .............................................................. 42
Tabel 4.10. Contoh hasil klasifikasi...................................................................... 44
Tabel 4.11. Data informasi kualitas per bulir beras .............................................. 46
Tabel 4.12. Tabel akurasi k-fold cross validation metode ID3 ............................. 48
Tabel 4.13. Tabel akurasi k-fold cross validation metode C4.5............................ 48
Tabel 4.14. Hasil pengujian ID3 ........................................................................... 49
Tabel 4.15. Hasil pengujian C4.5 ......................................................................... 49
commit to user
xiii
perpustakaan.uns.ac.id
digilib.uns.ac.id
DAFTAR GAMBAR
Gambar 2.1. Aturan koordinat citra digital ........................................................... 4
Gambar 2.2. Struktur warna RGB ......................................................................... 6
Gambar 2.3. Struktur warna HSV ......................................................................... 6
Gambar 2.4. Citra grayscale ................................................................................. 7
Gambar 2.5. Representasi citra biner..................................................................... 7
Gambar 2.6. Labelling objek ................................................................................ 9
Gambar 2.7. Pohon keputusan tahap awal ........................................................... 13
Gambar 2.8. Hasil akhir pohon keputusan .......................................................... 14
Gambar 2.9. Kurva distribusi normal .................................................................. 16
Gambar 3.1. Diagram alir metodologi penelitian ................................................ 23
Gambar 3.2. Standar beras berkualitas baik. ....................................................... 24
Gambar 3.3. Data gambar beras. ......................................................................... 25
Gambar 3.4. Diagram alir segmentasi citra biner ................................................ 26
Gambar 3.5. Diagram alir hitung jumlah beras ................................................... 28
Gambar 3.6. Diagram alir analisis nilai putih beras ............................................ 29
Gambar 3.7. Diagram alir analisis nilai bersih beras ........................................... 31
Gambar 3.8. Diagram alir analisis nilai utuh beras ............................................. 33
Gambar 3.9. Diagram alir klasifikasi kualitas beras ............................................ 34
Gambar 4.1. Proses segmentasi citra biner .......................................................... 39
Gambar 4.2. Pohon keputusan ID3 ...................................................................... 43
Gambar 4.3. Pohon keputusan C4.5 .................................................................... 44
Gambar 4.4. Citra hasil labelling jumlah beras ................................................... 45
Gambar 4.5. Pohon keputusan ID3 ...................................................................... 47
Gambar 4.3. Pohon keputusan C4.5 .................................................................... 47
commit to user
xiv
perpustakaan.uns.ac.id
digilib.uns.ac.id
DAFTAR LAMPIRAN
Lampiran 1. Kombinasi Data Tekstual ................................................................ 54
Lampiran 2. Data Informasi Beras Standar ......................................................... 55
Lampiran 3. Hasil Pengujian dengan Sistem ...................................................... 57
Lampiran 4. Tampilan Aplikasi ........................................................................... 60
commit to user
xv