Implementasi Algoritma K-Nearest Neighbor untuk Mengklasifikasikan Motif Batik Besurek Bengkulu

IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOR UNTUK MENGKLASIFIKASIKAN MOTIF BATIK BESUREK BENGKULU SKRIPSI WESTHYMA SIBARANI 101401071

  

IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOR

UNTUK MENGKLASIFIKASIKAN MOTIF

BATIK BESUREK BENGKULU

SKRIPSI

  Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh Sarjana Ilmu Komputer

  

WESTHYMA SIBARANI

101401071

PROGRAM STUDI S1 ILMU KOMPUTER

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

MEDAN

  

2015

  PERSETUJUAN

  Judul : IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOR UNTUK MENGKLASIFIKASIKAN MOTIF BATIK BESUREK BENGKULU

  Kategori : SKRIPSI Nama : WESTHYMA SIBARANI Nomor Induk Mahasiswa : 101401071 Program Studi : S1 ILMU KOMPUTER Fakultas : ILMU KOMPUTER DAN TEKNOLOGI

  INFORMASI (Fasilkom-TI) Diluluskan di

  Medan, September 2015 Komisi Pembimbing Pembimbing 2 Pembimbing 1 Drs.Marihat Situmorang,M.Kom Drs.Partano Siagian,M.Sc NIP. 196312141989031001 NIP. 195112271980031001 Diketahui/Disetujui oleh Program Studi S1 Ilmu Komputer Ketua, Dr.Poltak Sihombing, M.Kom NIP.196203171991031001

  PERNYATAAN

  IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOR UNTUK MENGKLASIFIKASIKAN MOTIF BATIK BESUREK BENGKULU SKRIPSI

  Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.

  Medan, 2015 Westhyma Sibarani NIM. 101401071

  

PENGHARGAAN

  Pujian, hormat dan syukur buat kasih Allah Bapa, Tuhan Yesus Kristus dan Roh Kudus atas berkatNya yang begitu besar sehingga penulis dapat menyelesaikan penyusunan skripsi ini sebagai syarat untuk memperoleh gelar Sarjana Komputer pada Program Studi S1 Ilmu Komputer, Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.

  Dalam kesempatan ini penulis ingin mengucapkan terima kasih kepada : 1. Bapak Prof. Subhillar, Ph.D selaku pejabat Rektor Universitas Sumatera Utara.

  2. Bapak Prof.Dr. Muhammad Zarlis selaku Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.

  3. Bapak Dr.Poltak Sihombing,M.Kom selaku Ketua Program Studi S1 Ilmu Komputer Universitas Sumatera Utara.

  4. Ibu Maya Silvi Lydia, B.Sc,M.Sc selaku Sekretaris Program Studi S1 Ilmu Komputer Universitas Sumatera Utara.

  5. Bapak Drs.Partano Siagian,M.Sc selaku Dosen Pembimbing I yang telah memberikan bimbingan kepada penulis dalam pengerjaan skripsi.

  6. Bapak Drs.Marihat Situmorang,M.Kom selaku Dosen Pembimbing II yang telah meluangkan waktu dan memberi masukan yang bermanfaat bagi penulis.

  7. Ibu Dr.Elviawaty Muisa Zamzami,ST,MT,MM selaku Dosen Penguji I yang telah memberikan kritik dan saran dalam penyempurnaan skripsi ini.

  8. Bapak Jos Timanta Tarigan,S.Kom, M.Sc selaku Dosen Penguji II yang telah memberikan kritik dan saran dalam penyempurnaan skripsi ini.

  9. Seluruh bapak/ibu dosen dan pegawai di Program Studi S1 Ilmu Komputer, Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.

  10. Ayahanda M.Sibarani, ibunda M.Sihombing (Alm) dan E.Sihombing tercinta, saudaraku bang Parulian Sibarani,ST, bang Faber Zufrianton Sibarani,dan Lionel Teguh Sibarani yang selalu memberikan cinta dan kasih sayang,semangat,dana, dan doa tanpa henti kepada penulis.

  11. Sahabat terkasih AGATHA (bang Boris Sirait, kak Desi Mariza Sinaga, Lennora Marbun,Sunfirst Lady Jeanfera Nababan,Tetti Sinaga,Noviyanti Sagala, dan Helen Sri Maharani) serta sahabat terkasih Dian Rahayu Purba, Amalia Dwi Putri,

  Bernadet Elvina, Yuliza Andriany, bang Markus, dan adik Ls.Hari Simanjuntak yang terus memberikan dukungan dan doa bagi penulis

  12. Adik kelompok terkasih AOPHIA (Janferson Panggabean, Tuti Simanjuntak, Anggi Fitriani Lumbanbatu, Astria Martina Silaban, dan Yonathan Hutapea)

  13. Sanak keluarga besar baik opung,tulang dan nantulang no.1,3,dan4,kak Lawrellya, kak Ria,bang Boby,bang Gilbert,tulang Maringan Simanjuntak,Amd, tante Ruceh, tulang dan nantulang Pendeta, dan semua keluarga yang tetap mendukung penulis.

  14. Teman-teman kampus LOGIC (bang Johanes G.Hutabarat, bang Yudhi Pangaribuan, bang Samuel Tarigan,bang Jonhri Sibarani, Johanes P.Saragih, Rivai H.Purba, Yansen Simatupang,Lorent Oliver Barus, Kurniawan Hutagaol, dan Hengky Gulo) , teman-teman KOMDIS,Arifin, para Hadeuh serta semua teman- teman Kom-A 2010 yang selalu mengingatkan, mendorong, memberikan semangat dan membantu dalam pengerjaan skripsi ini.

  15. Adik junior di kampus Winda Sari Elisabeth,Baringin Sihite,Maya Hartina Hutagalung,Ardi,Toni A.Sianturi,Mangasa Manullang,Endang, Rosalia,Evelin, Maya K.Nasution dan semua adik-adik terkasih yang selama ini juga membantu dalam memberi semangat dan doa.

  16. Abang/kakak/teman/adik semasa pelayanan di UKM KMK USU, UP FMIPA, dan Tim Kerja UKM KMK USU 2014 baik Tiara Tobing,Wahyu Rahyuni Butar- butar, Mardi Sirait,Octa Manurung, Harif Nepen Marbun, Gery L.Purba, kak Destriani, bang Jakup, Julfi, Fahmy, Marlina, Suryati

  17. Semua pihak yang tidak dapat disebutkan penulis satu per satu yang telah membantu penyelesaian skripsi ini.

  Penulis menyadari bahwa skripsi ini masih terdapat kekurangan, oleh karena itu penulis mengharapkan kritik dan saran yang membangun demi kesempurnaan skripsi ini.

  Medan, 2015 Penulis

  Westhyma Sibarani

  

ABSTRAK

Indonesia merupakan negara yang terkenal dengan salah satu kebudayaannya yaitu batik.

  Batik di Indonesia memiliki beragam corak dan motif yang pada umumnya beberapa daerah memiliki perbedaan. Dari perbedaan itu pula yang menjadi latar belakang untuk membahas mengenai batik dari daerah Bengkulu yaitu batik Besurek. Perkembangan teknologi di bidang pengenalan pola menjadi dasar dalam klasifikasi motif batik Besurek Bengkulu. K-NN (K-

  

Nearest Neighbor ) merupakan salah satu metode klasifikasi dalam data mining dimana

  pengklasifikasiannya berdasarkan kedekatan lokasi (jarak) suatu data dengan data yang lain dan jumlah anggota kelas terbanyak. Metode ekstraksi ciri dalam penelitian ini menggunakan

  

threshold dan deteksi tepi Robert. Citra yang dilatih dan diuji adalah citra batik Besurek

  Bengkulu yang terdiri dari 4 kelas motif yaitu Relung Paku, Bunga Rafflesia, Burung Kuau, dan Rembulan dengan ukuran citra sebesar 100x100 piksel. Dari hasil pengujian didapati bahwa tingkat pengenalan untuk citra latih diperoleh nilai sebesar 100% pada k = 1 dan tingkat pengenalan untuk citra diluar citra latih diperoleh nilai sebesar 50% pada k= 3. Rata- rata waktu pengujian tercepat untuk citra latih diperoleh pada saat k = 5 sebesar 27,06 detik dan rata-rata waktu pengujian tercepat untuk citra diluar citra latih tercepat diperoleh pada saat k = 1 sebesar 31,94 detik.

  

Kata kunci : Data Mining, Ekstraksi Ciri, K-Nearest Neighbor, Motif Batik Besurek

Bengkulu.

  

ABSTRACT

  Indonesia is a country which is well-known with its culture called Batik. Batik has various of pattern and motif which is generally different each area in Indonesia. The difference is the reason for researching about Bengkulu Batik called Besurek. The development of technology in feature identification sector is a basic in classifying Bengkulu Besurek Batik motif. K-NN (K-Nearest Neighbor) is one of classification methods of data mining which is based on nearness location(distance) of each data and the most amount of class member. Feature extraction method used in this research is threshold and Robert edge detection. Image training and testing are Bengkulu Besurek batik image which are contain of 4 motif classes that are Relung Paku, Bunga Rafflesia, Burung Kuau, and Rembulan which have a measurement of 100 x 100 pixels. According to the result of the testing, the degree of identification of image training is 100% on K = 1 and outside image training as big as 50 % on K = 3. The average of the fastest time testing of image training for K = 5 is 27.06 seconds and the fastest time testing of outside image training for K = 1 is 31.94 seconds.

  

Keywords : Bengkulu Besurek Batik Pattern, Data Mining, Feature Extraction, K-

Nearest Neighbor.

DAFTAR ISI

  Hal Persetujuan ii

  Pernyataan iii

  Penghargaan iv

  Abstrak vi

  Abstract vii

  Daftar Isi viii

  Daftar Gambar x

  Daftar Tabel xii

  Daftar Simbol xiii

  Daftar Lampiran xvi

  Bab I Pendahuluan

  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 Metodologi Penelitian

  3

  1.7 Sistematika Penulisan

  4 Bab II Tinjauan Pustaka

  2.1 Batik Besurek

  6

  2.1.1 Sejarah Batik Besurek Bengkulu

  6

  2.1.2 Jenis-jenis Motif Dasar Batik Besurek

  7

  2.2 Data Mining

  9

  2.3 K-Nearest Neighbor (K-NN)

  10

  2.3.1 Algoritma K-NN

  11

  2.4 Ekstraksi Ciri

  2.4.1 Thresholding

  13

  2.4.2 Deteksi Tepi (Edge Detection)

  14

  2.4.2.1 Deteksi Tepi Robert

  14

  2.5 Pengenalan Pola (Pattern Recognition)

  16

  2.6 Format File Citra

  18

  2.6.1 JPEG (Joint Photographic Expert Group)

  18 Bab III Analisis dan Perancangan Sistem

  3.1 Analisis Sistem

  19

  3.1.1 Analisis Permasalahan

  19

  3.1.2 Analisis Kebutuhan

  20

  3.1.2.1 Analisis Kebutuhan Fungsional Sistem

  20

  3.1.2.2 Analisis Kebutuhan Non-Fungsional Sistem

  20

  3.1.3 Analisis Proses

  21

  3.1.3.1 Use Case Diagram

  21

  3.1.3.1.1 Use Case Pelatihan Sistem

  22

  3.1.3.1.2 Use Case Pengujian Sistem

  23

  3.1.3.2 Activity Diagram

  25

  3.1.3.2.1 Activity Diagram Pelatihan

  25

  3.1.3.2.2 Activity Diagram Pengujian

  26

  3.1.3.3 Sequence Diagram

  27

  3.1.3.3.1 Sequence Diagram Pelatihan

  27

  3.1.3.3.2 Sequence Diagram Pengujian

  28

  3.2 Perancangan Sistem

  28

  3.2.1 Flowchart Sistem

  28

  3.2.1.1 Flowchart Proses Pelatihan

  28

  3.2.1.2 Flowchart Subproses Ekstraksi Ciri

  29

  3.2.1.3 Flowchart Proses Pengujian

  30

  3.2.2 Perancangan Antarmuka

  31

  3.2.2.1 Perancangan Antarmuka Beranda

  31

  3.2.2.2 Perancangan Antarmuka Bantuan

  32

  3.2.2.3 Perancangan Antarmuka Pelatihan

  33

  3.2.2.4 Perancangan Antarmuka Pengujian

  35

  3.2.2.5 Perancangan Antarmuka Keluar

  37 Bab IV Implementasi dan Pengujian

  4.1 Implementasi Sistem

  39

  4.1.1 Tampilan Antarmuka Sistem

  39

  4.1.1.1 Tampilan Antarmuka Beranda

  39

  4.1.1.2 Tampilan Antarmuka Bantuan

  40

  4.1.1.3 Tampilan Antarmuka Pelatihan

  40

  4.1.1.4 Tampilan Antarmuka Pengujian

  44

  4.1.1.5 Tampilan Antarmuka Keluar

  48

  4.2 Pengujian Sistem

  49

  4.2.1 Pengujian K-NN terhadap Citra Latih

  54

  4.2.2 Pengujian K-NN terhadap Citra diluar Citra Latih

  56 Bab V Kesimpulan dan Saran

  5.1 Kesimpulan

  58

  5.2 Saran

  59 Daftar Pustaka

  60 Lampiran Listing Program A-1

  Lampiran Curriculum Vitae B-1

  

DAFTAR GAMBAR

  29 Gambar 3.9 Flowchart Proses Pengujian

  43 Gambar 4.9 Tampilan Antarmuka Pengujian

  43 Gambar 4.8 Tampilan Antarmuka Pelatihan setelah button Reset diklik

  42 Gambar 4.7 Tampilan Penyimpanan Matriks Vektor

  42 Gambar 4.6 Tampilan Antarmuka Pelatihan saat deteksi tepi Robert

  41 Gambar 4.5 Tampilan Antarmuka Pelatihan setelah slider Threshold diklik

  41 Gambar 4.4 Tampilan Antarmuka Pelatihan setelah button Load diklik

  40 Gambar 4.3 Tampilan Antarmuka Pelatihan

  39 Gambar 4.2 Tampilan Antarmuka Bantuan

  37 Gambar 4.1 Tampilan Antarmuka Beranda

  35 Gambar 3.14 Tampilan Rancangan Antarmuka Keluar

  33 Gambar 3.13 Tampilan Rancangan Antarmuka Pengujian

  32 Gambar 3.12 Tampilan Rancangan Antarmuka Pelatihan

  31 Gambar 3.11 Tampilan Rancangan Antarmuka Bantuan

  30 Gambar 3.10 Tampilan Rancangan Antarmuka Beranda

  29 Gambar 3.8 Flowchart Subproses Ekstraksi Ciri

  Hal

  16 Gambar 3.1 Diagram Ishikawa Analisis Permasalahan

Gambar 2.1 Motif Relung Paku

  7 Gambar 2.2 Motif Bunga Rafflesia

  7 Gambar 2.3 Motif Burung Kuau

  8 Gambar 2.4 Motif Rembulan

  8 Gambar 2.5 Operator Robert

  14 Gambar 2.6 Pengenalan Pola

  19 Gambar 3.2 Use case Diagram

  Proses Pelatihan

  22 Gambar 3.3 Activity Diagram Pelatihan

  25 Gambar 3.4 Activity Diagram Pengujian

  26 Gambar 3.5 Sequence Diagram Pelatihan

  27 Gambar 3.6 Sequence Diagram Pengujian

  28 Gambar 3.7

  Flowchart

  44

Gambar 4.10 Tampilan Buka File Motif Batik

  44 Gambar 4.11 Tampilan Antarmuka Pengujian setelah dimasukkan citra

  45 Gambar 4.12 Tampilan Antarmuka Pengujian setelah threshold

  45 dan deteksi tepi Robert

Gambar 4.13 Tampilan Antarmuka Pengujian untuk memilih nilai K

  46 Gambar 4.14 Tampilan Antarmuka Pengujian dengan nilai K=1

  46 Gambar 4.15 Tampilan Antarmuka Pengujian dengan nilai K=3

  47 Gambar 4.16 Tampilan Antarmuka Pengujian dengan nilai K=5

  47 Gambar 4.17 Tampilan Antarmuka Pengujian dengan nilai K=7

  48 Gambar 4.18 Tampilan Antarmuka Keluar

  48 Gambar 4.19 Tampilan Matriks Vektor Ekstraksi Ciri Data latih dan Data Uji

  52 Gambar 4.20 Tampilan Hasil Ascending Euclidean Distance

  53

  

DAFTAR TABEL

  49 Tabel 4.2 Data Citra diluar Citra Latih

  57 Tabel 4.8 Rata-rata Waktu Pengujian terhadap Citra diluar Citra Latih

  56 Tabel 4.7 Tingkat Akurasi Pengenalan terhadap Citra diluar Citra Latih

  56 Tabel 4.6 Hasil Pengujian K-NN terhadap Citra diluar Citra Latih

  55 Tabel 4.5 Rata-rata Waktu Pengujian terhadap Citra Latih

  54 Tabel 4.4 Tingkat Akurasi Pengenalan terhadap Citra Latih

  51 Tabel 4.3 Hasil Pengujian K-NN terhadap Citra Latih

  24 Tabel 4.1 Data Citra Latih

  Hal

  22 Tabel 3.2 Spesifikasi Use Case Pengujian

  15 Tabel 3.1 Spesifikasi Use Case Pelatihan

  12 Tabel 2.5 Perhitungan deteksi tepi Robert

  12 Tabel 2.4 Klasifikasi kelas tetangga terdekat

  12 Tabel 2.3 Penentuan 3 tetangga tedekat dari data uji

  11 Tabel 2.2 Perhitungan kuadrat jarak data latih dengan data uji

Tabel 2.1 Klasifikasi Data Latih

  57

DAFTAR SIMBOL

  7 Flow Line Arah aliran program

  3 Association Hubungan antara aktor dengan use case dimana terjadi interaksi

  Mengidentifikasi dan menggambarkan fungsi-fungsi sistem

  

Use Case

  2 ^UseCase1

  Segala sesuatu yang perlu berinteraksi dengan sistem untuk pertukaran informasi

  

Actor

  1 _Actor1

  Use Case Diagram No Simbol Nama Fungsi

  Flowchart No Simbol Nama Fungsi

  1 Terminator Permulaan/akhir program

  Lokasi penyimpanan data yang digambarkan dalam bentuk

  

(Database)

  6 Magnetic Disk

  5 Subprocess Permulaan sub program/ proses menjalankan sub program

  4 Decision Perbandingan pernyataan, penyeleksian data yang memberikan pilihan untuk langkah selanjutnya

  3 Process Proses perhitungan/proses pengolahan data

  Proses input/output data, parameter, informasi

  

Data

  2 Input/Output

  database

  No Simbol Nama Fungsi

  1 Initial State Awal sebuah proses Menggambarkan sebuah

  State1

  2 State kegiatan/tugas yang perlu dilakukan

  3 Control Flow Sasaran yang mengawali kegiatan

  Activity

  Menunjukkan kegiatan yang dilakukan

  Diagram Transition secara paralel atau untuk

  4 Fork/Join menggabungkan dua/lebih kegiatan paralel menjadi satu

  5 Decision Sebuah kegiatan keputusan

  6 Final State Akhir dari sebuah proses

  No Simbol Nama Fungsi

  Contoh dari sebuah class dengan nama

  Object

  1 Object objek di dalamnya dan dituliskan secara horizontal Dapat berkomunikasi dengan objek

  2 Actor maka actor juga dapat diurutkan

  Sequence

  sebagai kolom

  User Diagram

  Keberadaan sebuah objek dalam basis

  3 Lifeline waktu Mengindikasikan sebuah objek yang akan melakukan aksi

  4 Activition

  Mengindikasikan komunikasi antara

  Message1

  5 Message objek-objek Mengindikasikan komunikasi kembali

  Message

  6 Self Message ke dalam sebuah objek itu sendiri

  Message Menampilkan hasil dari pengiriman Message2

  7

  (return) message