PROPOSAL ANALISIS TEKSTUR UNTUK KLASIFIK
PROPOSAL
ANALISIS TEKSTUR UNTUK KLASIFIKASI JENIS TANAH
DENGAN ALGORITMA K-NEAREST NEIGHBORHOOD
(K-NN) BERBASIS CITRA
(Tugas Pengenalan Pola)
Diajukan Oleh :
Wahyu Sri Mulyani
3115111328
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS BISNIS DAN TEKNOLOGI INFORMASI
UNIVERSITAS TEKNOLOGI YOGYAKARTA
2014
ANALISIS TEKSTUR UNTUK KLASIFIKASI JENIS TANAH DENGAN
ALGORITMA K-NEAREST NEIGHBORHOOD
(K-NN) BERBASIS CITRA
1. Latar Belakang
Tanah merupakan bagian yang terdapat pada kerak bumi yang
tersusun atas mineral dan bahan organik. Tanah sangat mendukung terhadap
kehidupan tanaman yang menyediakan hara dan air di bumi. Tempat hidup
mikroorganisme juga terdapat di tanah. Struktur tanah merupakan fisik tanah
yang berbentuk dari komposisi antara agregat (butir) tanah dan ruang
antaragregat. Struktur tanah tergantung dari imbang fase padatan, fase cairan,
dan fase gas.
Warna tanah merupakan sifat morfologi yang bersifat nyata dan
mudah dikenali. Warna tanah dapat digunakan sebagai petunjuk sifat-sifat
tanah seperti kandungan bahan organik, kondisi drainase, dan aerase. Warna
tanah juga dapat digunakan sebagai klasifikasi tanah dan memberikan ciri
pada horizon-horizon dalam tanah (Hakim, 1996).
Gambar 1. Lembaran warna standar dari buku Munsell Soil Color
Chart.
Munsell Soil Color Chart terdiri dari tiga variable, yaitu: hue, value,
dan chroma. Nilai hue tertera sebelah kanan paling atas (10 YR). Nilai value
tertera secara vertical disebelah kiri dengan nilai: 2; 3; 4; 5; 6; 7; dan 8 dari
bawah ke atas. Nilai chroma tertera secara horisontal paling bawah dengan
nilai: 1; 2; 3; 4; 6; dan 8 dari kiri ke kanan.
Deteksi dan pengenalan pola pada citra sangat luas dan banyak
dikembangkan
dengan
sejumlah
pendekatan
selama
bertahun-tahun.
Pengenalan pola adalah metode yang bekerja untuk menemukan pola pada
data yang menunjukan satu informasi tertentu. Prinsip kerja pengenalan pola
adalah dengan membandingkan kemiripan suatu benda pada tingkat
prosentase tertentu berdasarkan informasi yang sudah pernah diperoleh.
Penelitian ini bertujuan untuk pengenalan pola tanah menggunakan
analisis tekstur pada citra grayscale dan ekstrasi fitur warna pada citra warna.
Unsur citra grayscale memiliki unsur-unsur entropi, kontras, energi,
homogenitas, skala keabuan, dan standar deviasi. Unsur-unsur entropi,
kontras, energi, dan homogenitas dikenal dengan teknik analisis tekstur
(Haralick: 1973). Unsur warna memiliki unsur warna red, green, dan blue
(RGB). Hasil ekstraksi fitur akan menjadi input bagi K-Nearest
Neighborhood (K-NN) untuk mengkasifikasikan jenis-jenis tanah.
Pentingnya mengetahui jenis tanah yang ada dilingkungan menjadi
dasar peneliti untuk melakukan penelitian mengenai klasifikasi jenis-jenis
tanah menggunakan ekstrasi fitur warna dan analisis tekstur. Penelitian
menggunakan analisis tekstur telah banyak dilakukan, salah satunya adalah
pengenalan jenis kayu berbasis citra menggunakan Jaringan Saraf Tiruan
(JST). Hasil dari penelitian tersebut mencapai hasil akurasi 100%. Penelitian
tersebut menjadi acuan penulis untuk melakukan penelitian mengenai
klasifikasi jenis tanah.
2. Rumusan Masalah
Berdasarkan latar belakang di atas, maka dapat diberikan rumusan
masalah sebagi berikut :
1) Bagaimana cara mengklasifikasikan jenis tanah secara tepat dan efisien?
2) Bagaimana cara menganalisis tekstur citra tanah sehingga dapat dijadikan
informasi jenis tanah?
3) Bagaimana cara melakukan klasifikasi tanah dengan cara klasifikasi fitur
warna dan analisis tekstur citra?
3. Batasan Masalah
Untuk membatasi masalah yang diangkat, maka penulis memberi
batasan sebagai berikut :
1) Penelitian hanya menggunakan citra tanah yang diperoleh dari daerah
Kulon Progo.
2) Analisis fitur dengan menggunakan analisis tekstur dari citra grayscale.
3) Klasifikasi jenis tanah menggunakan K-Nearest Neighborhood (K-NN).
4. Tujuan Penelitian
Tujuan dari penelitian ini adalah membangun Sistem Informasi untuk
mengetahui jenis-jenis tanah melalui klasifikasi fitur warna. Dari sistem
tersebut diharapkan dapat membantu penenentuan klasifikasi tanah secara
efisien dan dapat dilakukan pemanfaatan lebih lanjut secara tepat.
5. Manfaat Penelitian
Penelitian ini diharapkan dapat memberikan manfaat, antara lain
adalah:
1) Memberikan kemudahan dalam melakukan klasifikasi tanah disuatu
tempat.
2) Memberikan kemudahan dalam menentukan tindakan yang tepat dalam
pemanfaatan tanah sesuai jenisnya.
6. Tinjauan Pustaka
Penelitian mengenai klasifikasi tanah pernah dilakukan oleh Sari
Nafisah,
mahasiswi
Teknik
Informatika,
Universitas
Gunadarma.
Pengklasifikasian tanah dilakukan dengan Jaringan Syaraf Tiruan (JST)
dengan algoritma backpropagation. Data yang digunakan adalah 150 data
proyek ruas jalan Pontianak-Tayan yang terdiri atas data training dan data
testing. Klasifikasi dilakukan dengan software WEKA (Waikato Enviroment
for Knowledge Analysis). Tingkat keberhasilan klasifikasi yaitu 88%, kappa
statistic sebesar 0,8041 dan diagonal yang dihasilkan dari confusion matrix
memiliki perbedaan selisih terkecil dari data sebenarnya. Klasifikasi yang
dapat dilakukan yaitu ke dalam jenis tanah gravel, sand, sllit / sloam, heavy
clay, dan peat.
Penelitian pengenalaan pola dengan metode ekstrasi fitur citra pernah
dilakukan oleh D.R.Fifin, jurusan fisika, Universitas Negeri Semarang. Citra
yang digunakan yaitu citra leukosit dengan data ekstrasi fitur area citra,
perimeter, dan euler number. Proses pengenalan pola diperoleh berdasarkan
range nilai parameter dan euler number pada citra. Kesalahan dari hasil
penelitian ini mencapai 30%, sehingga dapat dinyatakan bahwa sistem
identifikasi jenis citra leukosit dengan metode ekstraksi fitur mampu
mengidentifikasi.
Algoritma K-Nearst Neighbor pernah digunakan untuk klasifikasi
data hasil produksi kelapa sawit. Penelitinya adalah mahasiswa FMIPA
UNTAN, Nobertus Krisandi. Data yang digunakan adalah data hasil produksi
kelapa sawit (Tonase) dari 50 kelompok tani periode 2011. Nilai k yang
digunakan adalah k=1, k=3, k=5, dam k=7. Hasil penelitian yang diperoleh
adalah data terklasifikasi dalam 6 cluster berdasarkan kemiripan hasil
peroduksi kelapa sawit. Hasil peroduksi yang dominan yaitu terletak pada C1
dengan 17 kelompok tani dengan prosentase 34% untuk nilai k=7.
7. Metode Penelitian
Metode yang digunakan dalam pembuatan sistem klasifikasi tanah
ini antara lain meliputi proses-proses sebagai berikut :
a) Metode Pengumpulan Data
1) Observasi
Observasi dilakukan untuk memperoleh data jenis tanah di
lingkungan Kabupaten Kulon Progo, dengan wilayah Kecamatan
Kalibawang dan Samigaluh. Data jenis tanah diperoleh dari
pemerintah setempat dan citra tanah diperoleh dari obeservasi
langsung kelapangan dan dokumentasi lapangan.
2) Studi Literatur
Studi literatur dilakukan untuk mendalami materi dan
mempelajari penelitian yang telah dilakukan sebelumnya terkait
analisis tekstur untuk klasifikasi dengan algoritma K-NN.
b) Analsis dan Perancangan
Tahap analisis sistem dilakukan untuk mengidentifikasi kebutuhan
sistem dan fitur yang dibutuhkan dalam sistem informasi yang akan
dibuat. Setelah dilakukan analisis, selanjutnya adalah melakukan
perancangan/desain sistem. Tahap perancangan/desain sistem merupakan
pemodelan
kinerja
sistem
dengan
menyatukan
komponen
yang
dibutuhkan dalam sistem sehingga terbentuk secara utuh untuk
memperjelas bentuk sistem informasi yang akan dibangun. Proses yang
terdapat didalamnya adalah pembuatan Data Flow Diagram, Entity
Relationsihp Diagram, Table RelationshipDiagram, dan Design Interface.
c) Implementasi Sistem
Tahap impelemtasi yaitu tahap pengkodean yang dilakukan oleh
peneliti dengan menggunkan bahasa pemograman Matlab. Selanjutnya
untuk mendapatkan timbal balik dari user apakah penelitian yang penulis
lakukan sudah dapat menyelesaikan masalah yang ada, maka dilakukan
tahap akurasi percobaan. Dalam tahap implementasi terdapat tahapan
analisis metode yang digunakan. Berikut adalah diagram penelitian yang
akan dilakukan oleh peneliti.
Ekstrasi fitur
1. Analisis Tekstur
2. RGB
Pembagian Data
1. Data Latih
2. Data Uji
Kalsifikasi
dengan K-NN
Akurasi
Percobaan
Gambar 2. Tahap Implementasi Metode Penelitian
-
Ekstrasi Fitur
Ekstraksi
fitur
dengan
analisis
tekstur
dilakukan
dengan
mengambil fitur dari citra grayscale berupa entropi, kontras, energi,
homogenitas, skala keabuan, dan standar deviasi, sedangkan ekstraksi
fitur dari citra warna berupa nilai warna merah (R), hijau (G), dan biru
(B). Fitur analisis tekstur dihitung menggunakan persamaan (1) hingga
persamaan (4).
p(i1, i2) adalah pasangan matriks intensitas co-occurrence, i1
menunjukkan baris dan i2 kolom.
-
Data Latih dan Data Uji
Citra jenis tanah dibagi menjadi 2 bagian, yaitu data latih dan data
uji. Citra yang digunakan berjumlah 50 dengan 11 jenis tanah.
Gambar 3. Jenis Tanah
Jenis tanah yang dimaksud antara lain adalah :
1. Tanah Organosol / Tanah Gambut
Jenis tanah yang banyak ditemukan di daerah hutan rawa dengan
bahan induk organik. Jenis tanah ini berwarna coklat kehitaman dan
memiliki tekstur debut lempung.
2. Tanah Aluvial
Jenis tanah ini berasal dari endapan aliran sungai dan memiliki
warna coklat tua.
3. Tanah Regosol
Tanah ini berasal dari endapan abu vulkanik, memiliki butir kasar.
Warna tanah ini kisaran antra kelabu hingga kuning.
4. Tanah Litosol
Merupakan jenis tanag berbatu-batu dengan tekstur butiran besar.
Warna tanah litosol adalah antara cokelat, abu-abu, hingga hitam.
5. Tanah Latosol
Tanah ini terbentuk dari batuan gunung api yang mengalami proses
pelapukan. Tanah latosol bercirikan warna merah hingga kuning.
6. Tanah Grumosol
Jenis tanah ini berasal daru batu kapur dan batuan lempung. Warna
dari tanah ini adalah kemerahan sampai dengan warna cokelat.
7. Tanah Podsolik
Tanah podsolik terbentuk dari batuan pasir kuarsa. Struktur tanah
ini adalah lempung hingga pasir dan warnanya adalah merah.
8. Tanah Podsol
Berasal dari batuan induk pasir dengan warna merah hingga kuning.
9. Tanah Andosol
Tanah ini berasal dari bahan induk abu vulkanik. Warna tanahnya
adalah cokelat, abu-abu, sampai hitam.
10. Tanah Mediteran Merah Kuning
Tanah mediteran berasal dari batuan kapur keras (limestone). Warna
tanah cokelat hingga merah. Khusus tanah mediteran merah kuning
di daerah topografi karst disebut ”Terra Rossa”.
11. Hidromorf Kelabu
Jenis tanah ini perkembangannya lebih dipengaruhi oleh faktor
lokal yaitu topografi yang berupa dataran rendah atau cekungan,
hampir selalu tergenang air, dan warna kelabu hingga kekuningan.
-
Klasifikasi dengan K-NN
Klasifikasi dengan K-NN adalah mengelompokkan data baru,
dalam penelitian ini adalah data uji berdasarkan jarak ke beberapa data
k tetangga terdekat terhadap data latih. Nilai k yang digunakan dalam
penelitian adalah k=1 dan k=3. Prinsip kerja K-NN adalah menghitung
jarak menggunakan jarak Euclidean, jarak Euclidean digunakan untuk
menghitung jarak antara dua vektor yang berfungsi menguji ukuran
yang bisa digunakan sebagai interpretasi kedekatan jarak antara dua
obyek yang direpresentasikan dalam persamaan (5).
dengan d(x,y ) : jarak euclidean antara vektor x dan vektor y ; xi : fitur
ke i dari vektor x ; yi : fitur ke i dari vektor y ; n : jumlah fitur pada
vektor x dan y.
-
Akurasi Percobaan
Hasil penelitian diukur dengan akurasi untuk menilai kinerja sistem
klasifikasi jenis tanah. Hasil penyebaran kesalahan klasifikasi
digunakan confusion matriks.
Akurasi = Jumlah klasifikasi yang benar x 100%
(6)
Jumlah semua data
8. Jadwal Penelitian
Proses yang ada pada tahap metodologi, selanjutnya dibuat sebuah
penjadwalan. Jadwal pembuatan sistem klasifikasi tanah adalah sebagai
berikut.
N
O
1
2
3
4
5
6
KEGIATAN
BULAN 1 BULAN 2 BULAN 3 BULAN 4
1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4
Observasi
Studi
Literatur
Analisis dan
Perancangan
Sistem
Implementas
i Sistem
Pengujian
Laporan
9. Daftar Pustaka
Fifin.D.R. 2010. “Pengenalan Pola Citra Leukosit dengan Metode Ekstraksi
Fitur Citra”. Jurnal. Semarang : JPFI.
Krisandi. 2013. “Algoritma k-Nearest Neighbor dalam Klasifikasi Data Hasil
Produksi Kelapa Sawit Pada PT. Minamas Keacamatan Parindu”.
Jurnal. Pontianak: Bimaster
Nafisah. 2009. “Pengklasifikasian Jenis Tanah Menggunakan Jaringan Syaraf
Tiruan dengan Algoritma Backpropagation”. Jurnal. Depok :
Universitas Gunadarma.
Qur’ania. 2012. “Analissi Tekstur Ekstraksi Warna untuk Klasifikasi Apel
Berbasis Citra”. Jurnal. Bogor: LKSTN.
Santoso I. 2007. “Kinerja Pengenalan Citra Tekstur Menggunakan Analissi
Tekstur Metode Run Leght”. Seminar Nasional Aplikasi TI.
Yogyakarta.
ANALISIS TEKSTUR UNTUK KLASIFIKASI JENIS TANAH
DENGAN ALGORITMA K-NEAREST NEIGHBORHOOD
(K-NN) BERBASIS CITRA
(Tugas Pengenalan Pola)
Diajukan Oleh :
Wahyu Sri Mulyani
3115111328
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS BISNIS DAN TEKNOLOGI INFORMASI
UNIVERSITAS TEKNOLOGI YOGYAKARTA
2014
ANALISIS TEKSTUR UNTUK KLASIFIKASI JENIS TANAH DENGAN
ALGORITMA K-NEAREST NEIGHBORHOOD
(K-NN) BERBASIS CITRA
1. Latar Belakang
Tanah merupakan bagian yang terdapat pada kerak bumi yang
tersusun atas mineral dan bahan organik. Tanah sangat mendukung terhadap
kehidupan tanaman yang menyediakan hara dan air di bumi. Tempat hidup
mikroorganisme juga terdapat di tanah. Struktur tanah merupakan fisik tanah
yang berbentuk dari komposisi antara agregat (butir) tanah dan ruang
antaragregat. Struktur tanah tergantung dari imbang fase padatan, fase cairan,
dan fase gas.
Warna tanah merupakan sifat morfologi yang bersifat nyata dan
mudah dikenali. Warna tanah dapat digunakan sebagai petunjuk sifat-sifat
tanah seperti kandungan bahan organik, kondisi drainase, dan aerase. Warna
tanah juga dapat digunakan sebagai klasifikasi tanah dan memberikan ciri
pada horizon-horizon dalam tanah (Hakim, 1996).
Gambar 1. Lembaran warna standar dari buku Munsell Soil Color
Chart.
Munsell Soil Color Chart terdiri dari tiga variable, yaitu: hue, value,
dan chroma. Nilai hue tertera sebelah kanan paling atas (10 YR). Nilai value
tertera secara vertical disebelah kiri dengan nilai: 2; 3; 4; 5; 6; 7; dan 8 dari
bawah ke atas. Nilai chroma tertera secara horisontal paling bawah dengan
nilai: 1; 2; 3; 4; 6; dan 8 dari kiri ke kanan.
Deteksi dan pengenalan pola pada citra sangat luas dan banyak
dikembangkan
dengan
sejumlah
pendekatan
selama
bertahun-tahun.
Pengenalan pola adalah metode yang bekerja untuk menemukan pola pada
data yang menunjukan satu informasi tertentu. Prinsip kerja pengenalan pola
adalah dengan membandingkan kemiripan suatu benda pada tingkat
prosentase tertentu berdasarkan informasi yang sudah pernah diperoleh.
Penelitian ini bertujuan untuk pengenalan pola tanah menggunakan
analisis tekstur pada citra grayscale dan ekstrasi fitur warna pada citra warna.
Unsur citra grayscale memiliki unsur-unsur entropi, kontras, energi,
homogenitas, skala keabuan, dan standar deviasi. Unsur-unsur entropi,
kontras, energi, dan homogenitas dikenal dengan teknik analisis tekstur
(Haralick: 1973). Unsur warna memiliki unsur warna red, green, dan blue
(RGB). Hasil ekstraksi fitur akan menjadi input bagi K-Nearest
Neighborhood (K-NN) untuk mengkasifikasikan jenis-jenis tanah.
Pentingnya mengetahui jenis tanah yang ada dilingkungan menjadi
dasar peneliti untuk melakukan penelitian mengenai klasifikasi jenis-jenis
tanah menggunakan ekstrasi fitur warna dan analisis tekstur. Penelitian
menggunakan analisis tekstur telah banyak dilakukan, salah satunya adalah
pengenalan jenis kayu berbasis citra menggunakan Jaringan Saraf Tiruan
(JST). Hasil dari penelitian tersebut mencapai hasil akurasi 100%. Penelitian
tersebut menjadi acuan penulis untuk melakukan penelitian mengenai
klasifikasi jenis tanah.
2. Rumusan Masalah
Berdasarkan latar belakang di atas, maka dapat diberikan rumusan
masalah sebagi berikut :
1) Bagaimana cara mengklasifikasikan jenis tanah secara tepat dan efisien?
2) Bagaimana cara menganalisis tekstur citra tanah sehingga dapat dijadikan
informasi jenis tanah?
3) Bagaimana cara melakukan klasifikasi tanah dengan cara klasifikasi fitur
warna dan analisis tekstur citra?
3. Batasan Masalah
Untuk membatasi masalah yang diangkat, maka penulis memberi
batasan sebagai berikut :
1) Penelitian hanya menggunakan citra tanah yang diperoleh dari daerah
Kulon Progo.
2) Analisis fitur dengan menggunakan analisis tekstur dari citra grayscale.
3) Klasifikasi jenis tanah menggunakan K-Nearest Neighborhood (K-NN).
4. Tujuan Penelitian
Tujuan dari penelitian ini adalah membangun Sistem Informasi untuk
mengetahui jenis-jenis tanah melalui klasifikasi fitur warna. Dari sistem
tersebut diharapkan dapat membantu penenentuan klasifikasi tanah secara
efisien dan dapat dilakukan pemanfaatan lebih lanjut secara tepat.
5. Manfaat Penelitian
Penelitian ini diharapkan dapat memberikan manfaat, antara lain
adalah:
1) Memberikan kemudahan dalam melakukan klasifikasi tanah disuatu
tempat.
2) Memberikan kemudahan dalam menentukan tindakan yang tepat dalam
pemanfaatan tanah sesuai jenisnya.
6. Tinjauan Pustaka
Penelitian mengenai klasifikasi tanah pernah dilakukan oleh Sari
Nafisah,
mahasiswi
Teknik
Informatika,
Universitas
Gunadarma.
Pengklasifikasian tanah dilakukan dengan Jaringan Syaraf Tiruan (JST)
dengan algoritma backpropagation. Data yang digunakan adalah 150 data
proyek ruas jalan Pontianak-Tayan yang terdiri atas data training dan data
testing. Klasifikasi dilakukan dengan software WEKA (Waikato Enviroment
for Knowledge Analysis). Tingkat keberhasilan klasifikasi yaitu 88%, kappa
statistic sebesar 0,8041 dan diagonal yang dihasilkan dari confusion matrix
memiliki perbedaan selisih terkecil dari data sebenarnya. Klasifikasi yang
dapat dilakukan yaitu ke dalam jenis tanah gravel, sand, sllit / sloam, heavy
clay, dan peat.
Penelitian pengenalaan pola dengan metode ekstrasi fitur citra pernah
dilakukan oleh D.R.Fifin, jurusan fisika, Universitas Negeri Semarang. Citra
yang digunakan yaitu citra leukosit dengan data ekstrasi fitur area citra,
perimeter, dan euler number. Proses pengenalan pola diperoleh berdasarkan
range nilai parameter dan euler number pada citra. Kesalahan dari hasil
penelitian ini mencapai 30%, sehingga dapat dinyatakan bahwa sistem
identifikasi jenis citra leukosit dengan metode ekstraksi fitur mampu
mengidentifikasi.
Algoritma K-Nearst Neighbor pernah digunakan untuk klasifikasi
data hasil produksi kelapa sawit. Penelitinya adalah mahasiswa FMIPA
UNTAN, Nobertus Krisandi. Data yang digunakan adalah data hasil produksi
kelapa sawit (Tonase) dari 50 kelompok tani periode 2011. Nilai k yang
digunakan adalah k=1, k=3, k=5, dam k=7. Hasil penelitian yang diperoleh
adalah data terklasifikasi dalam 6 cluster berdasarkan kemiripan hasil
peroduksi kelapa sawit. Hasil peroduksi yang dominan yaitu terletak pada C1
dengan 17 kelompok tani dengan prosentase 34% untuk nilai k=7.
7. Metode Penelitian
Metode yang digunakan dalam pembuatan sistem klasifikasi tanah
ini antara lain meliputi proses-proses sebagai berikut :
a) Metode Pengumpulan Data
1) Observasi
Observasi dilakukan untuk memperoleh data jenis tanah di
lingkungan Kabupaten Kulon Progo, dengan wilayah Kecamatan
Kalibawang dan Samigaluh. Data jenis tanah diperoleh dari
pemerintah setempat dan citra tanah diperoleh dari obeservasi
langsung kelapangan dan dokumentasi lapangan.
2) Studi Literatur
Studi literatur dilakukan untuk mendalami materi dan
mempelajari penelitian yang telah dilakukan sebelumnya terkait
analisis tekstur untuk klasifikasi dengan algoritma K-NN.
b) Analsis dan Perancangan
Tahap analisis sistem dilakukan untuk mengidentifikasi kebutuhan
sistem dan fitur yang dibutuhkan dalam sistem informasi yang akan
dibuat. Setelah dilakukan analisis, selanjutnya adalah melakukan
perancangan/desain sistem. Tahap perancangan/desain sistem merupakan
pemodelan
kinerja
sistem
dengan
menyatukan
komponen
yang
dibutuhkan dalam sistem sehingga terbentuk secara utuh untuk
memperjelas bentuk sistem informasi yang akan dibangun. Proses yang
terdapat didalamnya adalah pembuatan Data Flow Diagram, Entity
Relationsihp Diagram, Table RelationshipDiagram, dan Design Interface.
c) Implementasi Sistem
Tahap impelemtasi yaitu tahap pengkodean yang dilakukan oleh
peneliti dengan menggunkan bahasa pemograman Matlab. Selanjutnya
untuk mendapatkan timbal balik dari user apakah penelitian yang penulis
lakukan sudah dapat menyelesaikan masalah yang ada, maka dilakukan
tahap akurasi percobaan. Dalam tahap implementasi terdapat tahapan
analisis metode yang digunakan. Berikut adalah diagram penelitian yang
akan dilakukan oleh peneliti.
Ekstrasi fitur
1. Analisis Tekstur
2. RGB
Pembagian Data
1. Data Latih
2. Data Uji
Kalsifikasi
dengan K-NN
Akurasi
Percobaan
Gambar 2. Tahap Implementasi Metode Penelitian
-
Ekstrasi Fitur
Ekstraksi
fitur
dengan
analisis
tekstur
dilakukan
dengan
mengambil fitur dari citra grayscale berupa entropi, kontras, energi,
homogenitas, skala keabuan, dan standar deviasi, sedangkan ekstraksi
fitur dari citra warna berupa nilai warna merah (R), hijau (G), dan biru
(B). Fitur analisis tekstur dihitung menggunakan persamaan (1) hingga
persamaan (4).
p(i1, i2) adalah pasangan matriks intensitas co-occurrence, i1
menunjukkan baris dan i2 kolom.
-
Data Latih dan Data Uji
Citra jenis tanah dibagi menjadi 2 bagian, yaitu data latih dan data
uji. Citra yang digunakan berjumlah 50 dengan 11 jenis tanah.
Gambar 3. Jenis Tanah
Jenis tanah yang dimaksud antara lain adalah :
1. Tanah Organosol / Tanah Gambut
Jenis tanah yang banyak ditemukan di daerah hutan rawa dengan
bahan induk organik. Jenis tanah ini berwarna coklat kehitaman dan
memiliki tekstur debut lempung.
2. Tanah Aluvial
Jenis tanah ini berasal dari endapan aliran sungai dan memiliki
warna coklat tua.
3. Tanah Regosol
Tanah ini berasal dari endapan abu vulkanik, memiliki butir kasar.
Warna tanah ini kisaran antra kelabu hingga kuning.
4. Tanah Litosol
Merupakan jenis tanag berbatu-batu dengan tekstur butiran besar.
Warna tanah litosol adalah antara cokelat, abu-abu, hingga hitam.
5. Tanah Latosol
Tanah ini terbentuk dari batuan gunung api yang mengalami proses
pelapukan. Tanah latosol bercirikan warna merah hingga kuning.
6. Tanah Grumosol
Jenis tanah ini berasal daru batu kapur dan batuan lempung. Warna
dari tanah ini adalah kemerahan sampai dengan warna cokelat.
7. Tanah Podsolik
Tanah podsolik terbentuk dari batuan pasir kuarsa. Struktur tanah
ini adalah lempung hingga pasir dan warnanya adalah merah.
8. Tanah Podsol
Berasal dari batuan induk pasir dengan warna merah hingga kuning.
9. Tanah Andosol
Tanah ini berasal dari bahan induk abu vulkanik. Warna tanahnya
adalah cokelat, abu-abu, sampai hitam.
10. Tanah Mediteran Merah Kuning
Tanah mediteran berasal dari batuan kapur keras (limestone). Warna
tanah cokelat hingga merah. Khusus tanah mediteran merah kuning
di daerah topografi karst disebut ”Terra Rossa”.
11. Hidromorf Kelabu
Jenis tanah ini perkembangannya lebih dipengaruhi oleh faktor
lokal yaitu topografi yang berupa dataran rendah atau cekungan,
hampir selalu tergenang air, dan warna kelabu hingga kekuningan.
-
Klasifikasi dengan K-NN
Klasifikasi dengan K-NN adalah mengelompokkan data baru,
dalam penelitian ini adalah data uji berdasarkan jarak ke beberapa data
k tetangga terdekat terhadap data latih. Nilai k yang digunakan dalam
penelitian adalah k=1 dan k=3. Prinsip kerja K-NN adalah menghitung
jarak menggunakan jarak Euclidean, jarak Euclidean digunakan untuk
menghitung jarak antara dua vektor yang berfungsi menguji ukuran
yang bisa digunakan sebagai interpretasi kedekatan jarak antara dua
obyek yang direpresentasikan dalam persamaan (5).
dengan d(x,y ) : jarak euclidean antara vektor x dan vektor y ; xi : fitur
ke i dari vektor x ; yi : fitur ke i dari vektor y ; n : jumlah fitur pada
vektor x dan y.
-
Akurasi Percobaan
Hasil penelitian diukur dengan akurasi untuk menilai kinerja sistem
klasifikasi jenis tanah. Hasil penyebaran kesalahan klasifikasi
digunakan confusion matriks.
Akurasi = Jumlah klasifikasi yang benar x 100%
(6)
Jumlah semua data
8. Jadwal Penelitian
Proses yang ada pada tahap metodologi, selanjutnya dibuat sebuah
penjadwalan. Jadwal pembuatan sistem klasifikasi tanah adalah sebagai
berikut.
N
O
1
2
3
4
5
6
KEGIATAN
BULAN 1 BULAN 2 BULAN 3 BULAN 4
1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4
Observasi
Studi
Literatur
Analisis dan
Perancangan
Sistem
Implementas
i Sistem
Pengujian
Laporan
9. Daftar Pustaka
Fifin.D.R. 2010. “Pengenalan Pola Citra Leukosit dengan Metode Ekstraksi
Fitur Citra”. Jurnal. Semarang : JPFI.
Krisandi. 2013. “Algoritma k-Nearest Neighbor dalam Klasifikasi Data Hasil
Produksi Kelapa Sawit Pada PT. Minamas Keacamatan Parindu”.
Jurnal. Pontianak: Bimaster
Nafisah. 2009. “Pengklasifikasian Jenis Tanah Menggunakan Jaringan Syaraf
Tiruan dengan Algoritma Backpropagation”. Jurnal. Depok :
Universitas Gunadarma.
Qur’ania. 2012. “Analissi Tekstur Ekstraksi Warna untuk Klasifikasi Apel
Berbasis Citra”. Jurnal. Bogor: LKSTN.
Santoso I. 2007. “Kinerja Pengenalan Citra Tekstur Menggunakan Analissi
Tekstur Metode Run Leght”. Seminar Nasional Aplikasi TI.
Yogyakarta.