Pengenalan jenis buah dengan menggunakan metode bayesian - USD Repository

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  

PENGENALAN JENIS BUAH DENGAN MENGGUNAKAN METODE

BAYESIAN

SKRIPSI

Diajukan untuk Memenuhi Salah Satu Syarat

Memperoleh Gelar Sarjana Komputer

  

Program Studi Teknik Informatika

Oleh:

Maria Fransiska Indah Aryanti Puspitarini

  

055314047

PROGRAM STUDI TEKNIK INFORMATIKA

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS SANATA DHARMA

YOGYAKARTA

  

2012

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  

THE INTRODUCTION OF FRUITS USING

BAYESIAN METHODS

A THESIS

Presented as Partial Fulfillment of the Requirements

To Obtain the Computers Degree

  

In Department of Informatics Engineering

By:

Maria Fransiska Indah Aryanti Puspitarini

  

055314047

INFORMATICS ENGINEERING STUDY PROGRAM

  

INFORMATICS ENGINEERING DEPARTMENT

FACULTY OF SCIENCE AND TECHNOLOGY

SANATA DHARMA UNIVERSITY

YOGYAKARTA

2012

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  HALAMAN MOTTO

Tuhan membimbing kita dengan cara-Nya yang khas.

  

Tidak ada yang ‘kebetulan’ dalam hidup ini. Tuhan

mempunyai rencana dalam setiap peristiwa hidup kita.

  

Berbahagialah orang yang mengandalkan Tuhan.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

PERNYATAAN KEASLIAN KARYA

  Saya menyatakan dengan sesungguhnya bahwa skripsi yang saya tulis ini tidak memuat karya orang lain, kecuali yang telah disebutkan dalam kutipan dan daftar pustaka, sebagaimana layaknya karya ilmiah.

  Yogyakarta, Juli 2012 Penulis Maria Fransiska Indah Aryanti Puspitaini

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  Yang bertanda tangan di bawah ini, saya mahasiswa Universitas Sanata Dharma : Nama : Maria Fransiska Indah Aryanti Puspitarini NIM : 055314047

Demi pengembangan ilmu pengetahuan, saya memberikan kepada Universitas Sanata Dharma

karya ilmiah saya yang berjudul :

  

PENGENALAN JENIS BUAH DENGAN MENGGUNAKAN

METODE BAYESIAN

Beserta perangkat yang diperlukan (bila ada). Dengan demikian saya memberikan kepada

Perpustakaan Universitas Sanata Dharma hak untuk menyimpan, mengalihkan dalam bentuk

media lain, mengelolanya dalam bentuk pangkalan data, mendistribusikan secara terbatas, dan

mempublikasikannya di Internet maupun di media lain untuk kepentingan akademis tanpa perlu

meminta ijin dari saya maupun memberikan royalty kepada saya selama tetap mencantumkan

nama saya sebagai penulis.

  Demikian pernyataan ini saya buat sebenarnya. Dibuat di Yogyakarta Pada tanggal : Juli 2012 Yang menyatakan Maria Fransiska Indah Aryanti Puspitarini

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  

ABSTRAK

  Perkembangan teknologi saat ini mengalami kemajuan yang sangat pesat, segala sesuatunya dilakukan serba otomatis. Salah satu contoh otomatisasi adalah mengenali suatu obyek atau benda (pengenalan pola) dengan komputer. Contoh penggunaan otomatisasi untuk mengenali suatu obyek adalah mengenali jenis buah – buahan.

  Pada tugas akhir ini dibuat aplikasi untuk pengenalan jenis buah – buahan dengan menggunakan metode Bayesian. Teori keputusan Bayesian adalah pendekatan statistik yang fundamental dalam pengenalan pola (pattern recognition). Pendekatan ini di dasarkan pada kuantifikasi trade-off antara berbagai keputusan klasifikasi dengan menggunakan probabilitas dan ongkos yang ditimbulkan dalam keputusan – keputusan tersebut. Features analisis menggunakan perbandingan jarak horizontal : vertikal, perbandingan rata – rata Hue, nilai rata – rata RGB ((R + G + B) / 3), rata – rata nilai R, rata – rata nilai G, rata – rata nilai B, nilai (2R - (G + B)), nilai (2G – (R + B)), nilai (2B – (G + R)). Buah yang digunakan untuk uji coba adalah 80 buah (*.JPEG) setiap jenisnya.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  

ABSTRACT

  completely automatic. One example of automation is to recognize an object or objects (pattern recognition) with a computer. Examples of the use of automation to recognize an object is to identify the type of fruits. At this final, application was made for recognize of types of fruits by using Bayesian methods. Bayesian decision theory is a fundamental statistical approach to pattern recognition (pattern recognition). This approach is based on the quantification of trade-offs between the various classification decisions using probability and costsincurred in the decisions. Features comparative analysis using horizontal distance: vertical, comparison of average Hue, the mean of RGB((R +G+B) /3), average of value R, average of value G, average of value B, value of (2R -(G +B)), value of (2G -(R +B)), value of (2B -(G +R)). Fruits are used fortesting is 80 units and in *. JPEG format for each type.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  Puji syukur kepada Tuhan Yang Maha Esa karena atas segala berkat dan rahmat-Nya yang melimpah, penulis dapat menyelesaikan skripsi dengan judul “Pengenalan Jenis Buah dengan Menggunakan metode Bayesian” .

  Penulisan skripsi ini bertujuan untuk memenuhi salah satu syarat memperoleh gelar Sarjana Komputer Program Studi Teknik Informatika Universitas Sanata Dharma Yogyakarta.

  Penulis menyadari, bahwa selama proses penulisan skripsi ini penulis tidak lepas dari bantuan dan dukungan banyak pihak baik berupa masukan dan saran. Oleh karena itu, pada kesempatan ini penulis menyampaikan penghargaan dan ucapan terima kasih yang sebesar- besarnya kepada :

  1. Bunda Maria dan Tuhan Yesus Kristus atas segala mukzijat-Nya yang ajaib, penyertaan, dan kasih karunia-Nya.

  2. Ibu P.H. Prima Rosa, S.Si., M.Sc. selaku Dekan Fakultas Sains dan Teknologi Universitas Sanata Dharma Yogyakarta.

  3. Ibu Ridowati Gunawan, S.Kom., S.T. selaku Ketua Jurusan Teknik Informatika Fakultas Sains dan Teknologi Universitas Sanata Dharma Yogyakarta.

  4. Dr. C. Kuntoro Adi, S.J., M.A., M.Sc. selaku dosen pembimbing atas kesabaran, bimbingan, waktu dan saran yang telah diberikan kepada penulis.

  5. J.B. Budi Darmawan, S.T., M.Sc. selaku dosen pembimbing akademik Teknik Informatika angkatan 2005 yang selalu sabar menghadapi penulis.

  6. Eko Hari Parmadi, S.Si, M.Kom dan Drs. Johanes Eka Priyatma, M.Sc., Ph.D. sebagai dosen penguji atas saran yang diberikan.

  7. Bapak dan Ibu dosen Teknik Informatika Universitas Sanata Dharma.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  8. Staf dan karyawan Fakultas Sains dan Teknologi Universitas Sanata Dharma Yogyakarta. dan emba’ Bernadet Noven Kurniastuti yang telah memberikan dukungan spiritual dan material, kasih sayang, terima kasih untuk segala doanya untuk penulis.

  10. Fransiskus Feritika Wibowo terima kasih untuk segala doa, dukungan dan kesabarannya.

  11. Lucia Yuni Astuti terima kasih untuk persahabatan,segala doa dan dukungannya.

  12. Soni, Nitnot, Orpa, Opiex, Bengz, Arimbi, Putri, Ganang, Simbah, Endah, Ar, Deri, Lita dan semua teman-teman para pejuang akhir, terimakasih untuk dukungan, bantuan , dan doa teman-teman semua.

  13. Semua pihak yang telah membantu dalam penyusunan skripsi ini, yang tidak dapat penulis sebutkan satu-persatu.

  Dalam penulisan skripsi ini, dirasa masih banyak kekurangannya. Oleh karena itu segala saran ataupun kritik yang bersifat membangun dari pembaca sekalian sangat diharapkan guna menyempurnakan isi dari skripsi ini.

  Akhir kata, semoga penulisan skripsi ini berguna bagi para pembaca sekalian khususnya para mahasiswa Teknik Informatika, dan dapat menambah wawasan para pembaca sekalian.

  Yogyakarta, Juli 2012 Penulis

  DAFTAR ISI

  HALAMAN JUDUL ........................................................................................................... i HALAMAN JUDUL .......................................................................................................... ii HALAMAN PERSETUJUAN........................................................................................... iii HALAMAN PENGESAHAN ........................................................................................... iv HALAMAN MOTTO ......................................................................................................... v HALAMAN PERNYATAAN KEASLIAN KARYA ....................................................... vi HALAMAN PERSETUJUAN PUBLIKASI .................................................................... vii ABSTRAK ....................................................................................................................... viii ABSTRACT ....................................................................................................................... ix KATA PENGANTAR ........................................................................................................ x DAFTAR ISI ..................................................................................................................... xii

  Bab I. PENDAHULUAN .............................................................................................. 1 I.1. Latar Belakang .................................................................................................... 1 I.2. Rumusan Masalah ............................................................................................... 3 I.3. Tujuan ................................................................................................................. 3 I.4. Batasan Masalah ................................................................................................. 3 I.5. Manfaat Penelitian .............................................................................................. 4 I.6. Metodologi Penelitian ......................................................................................... 4 I.7. Sistematika Penulisan ......................................................................................... 5 Bab II. LANDASAN TEORI .......................................................................................... 7 II.1. Pengolahan Citra ................................................................................................. 7 II.2. Pengolahan Pola .................................................................................................. 9 PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  II.2.1 Pengertian Pola dan Ciri. ........................................................................... 9

  II.2.2 Pengenalan Pola. ..................................................................................... 10

  II.3. Metode Bayesian ............................................................................................... 16

  II.3.1 Contoh Perhitungan. ................................................................................ 18

  Bab III. METODOLOGI DAN PERANCANGAN SISTEM ........................................ 21 III.1 Analisis Sistem.................................................................................................. 21 III.2 Skema ................................................................................................................ 23 III.2.1 Feature Analisis ..................................................................................... 23 III.2.2 Pengenalan dengan menggunakan Bayesian ......................................... 24 III.2.2.1 Five folds .................................................................................. 25 III.2.2.2 Tahap training .......................................................................... 28 III.2.2.3 Tahap testing ............................................................................ 30 III.2.3 Evaluasi .................................................................................................. 31 III.3 Studi Awal ........................................................................................................ 32 III.4 Perancangan Desain Tampilan Program ........................................................... 33 III.4.1 Perancangan Form Halaman Utama ...................................................... 33 III.4.2 Perancangan Form Buka Gambar .......................................................... 34 III.4.3 Perancangan FormPengenalan Gambar ................................................. 35 III.4.4 Perancangan Form Bantuan ................................................................... 36 III.4.5 Perancangan Form Tentang Program..................................................... 37 Bab IV. IMPLEMENTASI DAN ANALISIS SISTEM ................................................. 38 IV.1 Kebutuhan Sistem ............................................................................................. 38

  PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  IV.1.1 Kebutuhan Perangkat Keras .................................................................. 38

  IV.1.2 Kebutuhan Perangkat Lunak.................................................................. 39

  IV.2.1 Proses Training ...................................................................................... 39

  IV.2.1.1 Ekstrak Feature ....................................................................... 39

  IV.2.1.2 Penghitungan Nilai Mean dan Standar Deviasi ....................... 44

  IV.2.2 Proses Testing ........................................................................................ 46

  IV.2.2.1 Penghitungan Nilai Probability Density Function .................. 46

  IV.2.2.2 Penghitungan Nilai Likelihood dan Probabilitas ..................... 47

  IV.3 Analisis Hasil Pengujian ................................................................................... 48

  Bab V. PENUTUP ......................................................................................................... 52 V.1 Kesimpulan ....................................................................................................... 52 V.2 Saran ................................................................................................................. 52 Daftar Pustaka ................................................................................................................... 53

  PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI DAFTAR GAMBAR

Gambar 2.1 Fungsi Kerapatan .................................................................................... 15Gambar 3.2 Garis Besar Proses Pengenalan Pola ....................................................... 21Gambar 3.2 Skema Pengenalan pola Buah ................................................................. 23Gambar 3.3 Skema Alur Pikir Tahap Training ........................................................... 26Gambar 3.4 Skema Alur Pikir Tahap Testing ............................................................. 27Gambar 3.5 Perancangan Form Halaman Utama ....................................................... 30Gambar 3.6 Perancangan Form Buka Gambar ........................................................... 32Gambar 3.7 Perancangan Form Pengenalan Gambar ................................................. 33Gambar 3.8 Perancangan Form Bantuan .................................................................... 34Gambar 3.9 Perancangan Form Tentang Program ...................................................... 35Gambar 4.1 Hasil Kombinasi Feature ......................................................................... 50

  PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI DAFTAR TABEL

Tabel 2.1 Contoh Perhitungan .................................................................................... 18Tabel 3.1 Karakteristik Buah ...................................................................................... 20Tabel 3.2 Tabel Pembagian Sampel............................................................................ 24Tabel 3.3 Tabel Percobaan .......................................................................................... 25Tabel 3.4 Confusion Matrix ........................................................................................ 29Tabel 3.5 Tabel Hasil Ekstrak Setiap Feature ............................................................. 49

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

BAB I PENDAHULUAN I.1. Latar Belakang & Deskripsi Topik Perkembangan teknologi saat ini mengalami kemajuan yang sangat pesat, segala

  sesuatunya dilakukan serba otomatis. Hal ini tidak lepas dari peranan komputer yang dapat melakukan otomatisasi dengan penggunaan program – program yang terdapat di dalamnya. Salah satu contoh otomatisasi adalah mengenali suatu obyek atau benda (pengenalan pola) dengan komputer.

  Contoh penggunaan otomatisasi untuk mengenali suatu obyek antara lain pengenalan sidik jari, pengenalan suara, pengenalan angka serta proses pemisahan ikan salmon dan ikan seabase dalam produksi ikan kaleng. Dalam penelitian ini akan dibahas tentang pengenalan pola untuk membedakan jenis buah - buahan.

  Terdapat banyak sekali jenis buah yang ada, tetapi dalam penelitian ini hanya akan mengambil contoh buah apel, jeruk, mangga, pisang dan stroberi yang akan dibedakan jenisnya. Masing – masing buah mempunyai varietas yang berbeda – beda. Sebagai contoh buah jeruk, jeruk mempunyai lebih dari 160 varietas, beberapa diantaranya adalah jeruk keprok, jeruk siem, jeruk Bali Merah dan jeruk siam madu. Buah – buahan tersebut hanya akan dibedakan menurut jenisnya tanpa memperhatikan varietasnya.

  Topik ini dipilih karena setiap jenis buah memilki karakteristik yang unik. Salah satu contoh karakteristik unik dari buah dapat dilihat dari bentuknya. Disatu sisi buah- buahan mempunyai bentuk yang sangat berbeda, misalnya buah apel dan salak. Tetapi ada pula buah yang mempunyai bentuk yang sama atau mirip, misalnya apel dan jeruk.

  Bagi penulis hal ini menarik untuk diteliti, terutama dalam pemilihan ciri – ciri (features) pembeda buah – buahan tersebut. Jika dalam pemilihan ciri pembeda buah

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  dilakukan dengan tepat maka nantinya penelitian ini dapat digunakan atau diimplementasikan dalam dalam berbagai bidang, misalnya untuk pengelompokan buah mempunyai bentuk yang mirip yaitu berbentuk bulat tetapi tetap bisa dibedakan. Jadi tidak tertutup kemungkinan komputer juga bisa membedakannya. Walaupun secara manual mata manusia dapat membedakan jenis buah – buahan dengan baik, tetapi hanya dapat menangani data dengan jumlah yang terbatas. Untuk menangani data yang jumlahnya sangat banyak tentu tidak akan efektif, karena mata akan mengalami kelelahan yang dapat mengakibatkan kesalahan dalam mengenali jenis buah. Sedangkan komputer dapat bekerja tanpa mengenal lelah dan tidak melihat jumlah maupun waktu.

  Dalam pengenalan pola terdapat berbagai cara untuk mengenali karakteristik suatu obyek. Dapat dicontohkan, dalam proses pemisahan ikan salmon dan ikan seabase pengenalan karakteristiknya menggunakan features seperti panjang badan, lebar badan, bentuk badan, dll. Setelah features didapatkan dibutuhkan suatu algoritma untuk mengolah features tersebut sehingga akhirnya obyek dapat dikelompokan berdasarkan jenisnya. Dalam pengenalan jenis buah ini metode yang akan digunakan adalah metode Bayesian.

  I.2. Rumusan Masalah Dari latar belakang diatas, dapat dirumuskan masalah yaitu bagaimana metode Bayesian membantu pengenalan otomatis buah-buahan dan memberikan akurasi yang baik?

  I.3. Tujuan Penulisan Merancang dan mengimplementasikan metode Bayesian untuk mengenali gambar buah – buahan secara otomatis serta mengetahui tingkat akurasi pengenalannya.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  I.4. Batasan Masalah Dalam pengenalan jenis buah – buahan dilakukan beberapa batasan sebagai berikut : dalam bentuk digital still image. ii) Image bertipe JPEG. iii) Buah yang akan dikenali hanya berdasar jenis, tidak memperhatikan varietasnya. iv) Jumlah sampel setiap satu buah ada 80 buah. v) Di dalam image hanya ada satu buah utuh tidak terpotong dan tidak bergerombol, dengan background berwarna putih. vi) Pemodelan jenis buah menggunakan metode Bayesian. vii) Program dibuat dengan bahasa Matlab.

  I.5. Manfaat Penelitian Penelitian ini akan memberikan sumbangan baru bagi ilmu pengetahuan, baik ilmu komputer maupun bidang – bidang yang lain. Implementasi praktis dari sistem yang dirancang akan memberikan sumbangan bagi banyak pengguna di kalangan pendidikan maupun bisnis. Di kalangan pendidikan penelitian ini dapat digunakan untuk media pembelajaran bagi siswa. Sedangkan untuk kalangan bisnis, penelitian ini dapat digunakan dalam proses pemisahan buah – buahan untuk produksi buah kaleng.

  I.6. Metodologi Penelitian Untuk dapat melakukan penelitian ini, metode penelitian yang dilakukan adalah : a. Studi pustaka tentang metode Bayesian.

  Pada tahap ini akan dipelajari teori tentang mentode Bayesian dan features extraction yang bersumber dari buku maupun internet.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  b. Pengumpulan data Pada tahap ini dilakukan pencarian dan pengumpulan data. Data didapat dari

  c. Desain Pada tahap ini akan dibuat desain user interface yang akan digunakan untuk membangun aplikasi.

  d. Implementasi dan Analisis Pada tahap ini akan dibuat implementasi sistem sesuai dengan desain yang sudah dibuat. Pada implementasi ini akan dihasilkan tampilan antar muka yang lengkap.

  e. Pengujian dan Evaluasi Pada tahap ini dilakukan pengujian untuk mengetahui jika ada kesalahan dalam implementasi program. Evaluasi dilakukan dengan maksud mengetahui ketepatan penggunaan algoritma dalam implementasi.

  f. Kesimpulan Kesimpulan dibuat berdasarkan hasil pengujian terhadap program yang telah dibuat. Program dinyatakan berhasil, jika program tersebut dapat mengenali jenis buah dengan benar.

  I.7. Sistematika Penulisan

  BAB 1, pendahuluan Pada bagian ini digambarkan latar belakang yang mengarah pada deskripsi topik, rumusan masalah, batasan sistem, tujuan penelitian, manfaat sistem atau kontribusi yang dapat diberikan melalui penelitian yang akan dilakukan, metode penelitian serta sistematika penulisan.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  BAB 2, landasan teori Pada bagian ini digambarkan dasar teoritis yang akan dipakai dalam BAB 3, metodologi dan perancangan sistem Pada bagian ini digambarkan perancangan sistem dan metodologi yang digunakan dalam penelitian. BAB 4, implementasi dan analisis Pada bagian ini digambarkan penerapan rancangan yang dibuat dalam suatu program, hasil implementasi serta analisisnya. BAB 5, kesimpulan dan saran Pada bagian ini akan digambarkan kesimpulan yang menjawab permasalahan dan tujuan yang dijabarkan pada bab 1 serta saran.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

BAB II LANDASAN TEORI Dalam bab ini akan dijelaskan mengenai teori – teori yang digunakan untuk mendukung

  penulisan tugas akhir pengenalan jenis buah dengan menggunakan metode Bayesian. Teori – teori yang akan dijelaskan adalah teori tentang pengolahan citra, pengenalan pola dan metode Bayesian.

  II.1. Pengolahan Citra

  Pengolahan citra digital merupakan proses yang bertujuan untuk memanipulasi dan menganalisis citra dengan bantuan komputer. Pengolahan citra digital dapat dikelompokkan dalam dua jenis kegiatan :

  1. Memperbaiki kualitas suatu gambar, sehingga dapat lebih mudah diinterpretasi oleh mata manusia.

  2. Mengolah informasi yang terdapat pada suatu gambar untuk keperluan pengenalan objek secara otomatis.

  Bidang aplikasi yang kedua sangat erat hubungannya dengan ilmu pengetahuan pola (pattern recognition) yang umumnya bertujuan mengenali suatu objek dengan cara mengekstrak informasi penting yang terdapat pada suatu citra. Bila pengenalan pola dihubungkan dengan pengolahan citra, diharapkan akan terbentuk suatu sistem yang dapat memproses citra masukan sehingga citra tersebut dapat dikenali polanya. Proses ini disebut pengenalan citra atau image recognition.

  Pengolahan citra dan pengenalan pola menjadi bagian dari proses pengenalan citra. Kedua aplikasi ini akan saling melengkapi untuk mendapatkan ciri khas dari suatu citra yang hendak dikenali. Secara umum tahapan pengolahan citra digital meliputi :

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  (Srini, 2006)

1. Akusisi citra kamera analog, kamera digital, handycam, scanner, optical reader dan sebagainya.

  Dalam proses akuisisi, citra yang akan diolah ditransformasikan ke dalam representasi numerik. Pada proses selanjutnya representasi numerik tersebut yang akan diolah dsecara digital oleh komputer.

  2. Peningkatan kualitas citra Tahap ini dikenal dengan proses pre-processing. Kualitas citra dapat meningkatkan kemungkinan dalam keberhasilan pada tahap pengolahan citra berikutnya. Untuk meningkatkan kualitas citra dapat dilakukan beberapa hal, seperti perbaikan kontras gelap – terang, penajaman dan pemberian warna semu.

  3. Segmentasi citra Segmentasi bertujuan untuk memilih dan memisahkan suatu objek dari keseluruhan citra dengan suatu kriteria tertentu.

  4. Representasi dan uraian Representasi mengacu pada data konversi dari hasil segmentasi ke bentuk yang lebih sesuai untuk proses pengolahan pada komputer. Setelah data telah direpresentasikan ke bentuk tipe yang lebih sesuai, tahap selanjutnya adalah membentuk ulang data dari beberapa citra hasil segmentasi.

  5. Pengenalan dan interpretasi Pengenalan pola tidak hanya bertujuan untuk mendapatkan citra dengan suatu kualitas tertentu, tetapi juga untuk mengklasifikasikan bermacam-macam citra. Dari sejumlah citra diolah sehingga citra dengan ciri yang sama akan dikelompokkan pada suatu kelompok tertentu. Interpretasi meliputi penekanan

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  dalam mengartikan objek yang dikenali.

  II.2.1. Pengertian pola dan ciri Pola adalah entitas yang terdefinisi dan dapat diidentifikasikan melalui ciri

• – cirinya (features). Ciri – ciri tersebut akan digunakan untuk membedakan pola yang satu dengan pola yang lain. Ciri yang bagus adalah ciri yang mempunyai tingkat pembedaan yang tinggi, sehingga pengelompokan suatu pola dengan ciri yang dimiliki dapat dilakukan dengan menghasilkan nilai keakuratan yang tinggi. Sebagai contoh :

  Pola Ciri Huruf Tebal, tinggi, titik sudut, lengkungan garis, dll Tanda tangan Panjang, kerumitan, tekanan, dll Suara Frekuensi, amplitudo, intonasi, warna, nada, dll Sidik jari Jumlah garis, lengkungan, dll

  Ciri pada suatu pola dapat diperoleh dari hasil pengukuran terhadap suatu obyek yang diuji. Khusus pada pola yang terdapat di dalam citra, ciri – ciri dapat diperoleh dari informasi seperti dibawah ini :

• Spasial : intensitas pixel,histogram,dll
• Tepi : arah, kekuatan, dll
• Kontur : garis, elips, lingkaran, dll
• Wilayah / bentuk : keliling, luas,pusat masa,dll
• Hasil transformasi Faourier : frekuensi, dll

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  II.2.2. Pengenalan Pola Pengenalan pola merupakan suatu aktivitas yang sudah biasa dilakukan maupun tidak sadar. Informasi diperoleh melalui berbagai organ sensor yang diproses secara langsung oleh otak, agar dengan segera manusia mampu mengidentifikasi sumber informasi tersebut tanpa perlu usaha yang berarti.

  Hampir setiap aktivitas manusia berdasarkan pada keberhasilan dalam berbagai kegiatan pengenalan pola. Salah satu aplikasinya adal klasifikasi teks dokumen dalam kategori (contoh. surat-E spam/bukan-spam), pengenalan kode pos secara otomatis pada sampul surat, atau sistem sebagai input ke dalam sistem pengenalan pola.

  Disiplin pengenalan pola pada dasarnya berkenaan dengan masalah pengembangan algoritma dan metodologi yang memungkinkan implementasi oleh komputer terhadap berbagai kegiatan pengenalan yang biasa dilakukan manusia. Motivasinya adalah untuk menjalankan kegiatan pengenalan tersebut dengan lebih akurat, atau lebih cepat, dan mungkin lebih ekonomis dari manusia. Ruang lingkup dari pengenalan pola ini juga termasuk hal-hal yang tidak biasa dilakukan oleh manusia, seperti membaca bar code.

  Adapun langkah – langkah dari pengenalan pola adalah sebagai berikut : a. Pengumpulan data.

  Pengumpulan data adalah proses pengambilan data gambar buah.

  b. Feature Analisis.

  Pada tahap ini terdapat proses untuk membuat gambar buah - buahan

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  menjadi file yang siap diekstraksi cirinya dengan cara konversi data mentah ke data digital dalam format *.JPG.

  Ekstraksi ciri adalah tahap untuk mendapatkan frekuensi kemunculan dari masing-masing pola.

  d. Pengambilan keputusan.

  Tahap ini merupakan tahap penentuan keputusan, yang didasarkan pada perhitungan yang dilakukan pada tahap ekstraksi ciri pola jenis buah.

  e. Keputusan.

  Tahap keputusan adalah tahap akhir dari proses pengelompokan jenis buah yang diharapkan dapat memberikan hasil yang tepat.

  II.2.3. Teknik Pengenalan Pola Pengenalan pola bertujuan untuk menentukan kelompok atau kategori pola berdasarkan ciri yang dimiliki oleh pola tersebut. Dengan kata lain pengenalan pola akan membedakan suatu obyek dengan obyek yang lain. Terdapat tiga pendekatan yang dilakukan dalam pengenalan pola, yaitu pendekatan melalui jaringan saraf tiruan, pendekatan secara sintatik atau struktural dan pendekatan secara statistik. (Eri Sasmadi, 2008) i) Pendekatan melalui jaringan saraf tiruan

  Pendekatan dengan pola jaringan saraf tiruan adalah pendekatan dengan menggabungkan pendekatan sintaks dan statistik. Pendekatan melalui pola-pola ini meniru cara kerja otak manusia. Pada pola ini sistem membuat rule-rule tertentu disertai dengan data statistik sebagai dasar untuk pengambilan keputusan.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  Untuk pengenalan pola dengan pendekatan jaringan saraf tiruan seolah – olah dibuat sebuah sistem yang kinerjanya sama dengan otak pelatihan selama rentang waktu yang ditentukan. Karena dengan melatih sistem maka akan menambah rule-rule serta data statistik yang digunakan oleh sistem untuk mengambil keputusan. ii) Pendekatan secara sintatik

  Pendekatan secara sintaks adalah pendekatan dengan menggunakan aturan - aturan tertentu atau menggunakan teori bahasa formal. Pengenalan pola secara sintatik lebih dekat ke strategi pengenalan pola yang dilakukan oleh manusia, namun secara praktek penerapannya relatif sulit bila dibandingkan dengan pendekatan secar statistik.

  Misalnya baju si mamat mempunyai rule sebagai berikut, selalu berwarna Biru, bahannya kaos, bermerek adidas, lengannya lengan panjang dan berkerah. Jika ada sebuah baju dengan ciri-ciri 90% lebih dari ciri-ciri tersebut dapat dikatakan bajunya mamat, dengan toleransi sekitar 10%. iii) Pendekatan secara statistik

  Pendekatan secara statistik menggunakan teori-teori ilmu peluang dan statistik. Ciri-ciri yang dimiliki oleh suatu pola ditentukan distribusi statistiknya. Pola yang berbeda memiliki distribusi yang berbeda pula. Dengan menggunakan teori keputusan di dalam statistik, kita menggunakan distribusi ciri untuk mengklasifikasikan pola.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  Contoh teori keputusan: Misalkan ada N pola yang dikenali, yaitu w1, w2, …, wN dan fungsi hasil pengukuran ciri-ciri, maka

  p (x wi ) , i = 1, 2, …, N

  dapat dihitung. Sebagai contoh, misalkan diketahui fungsi kerapatan dari diameter buah jeruk dan apel yang diperlihatkan pada Gambar 2.1 dibawah :

Gambar 2.1 : fungsi kerapatan

  Jika sebuah objek diukur dan diperoleh diameternya adalah a cm, maka kita mengklasifikasikan objek tersebut sebagai “jeruk”, karena

  p

  (a | jeruk) > p(a | apel) dan jika hasil pengukuran diameter adalah b cm, kita mengklasifikasikan objek tersebut sebagai “apel”, karena

  p (b | jeruk) < p(b | apel)

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  II.3. Metode Bayesian Teori keputusan Bayesian adalah pendekatan statistik yang fundamental dalam

  trade-off

  antara berbagai keputusan klasifikasi dengan menggunakan probabilitas dan ongkos yang ditimbulkan dalam keputusan – keputusan tersebut. (Budi Santoso, 2007) Dalam pembelajaran akan ditentukan hipotesis yang terbaik dari space H, dengan data yang diamati x. Untuk menetapkan hipotesis yang terbaik diperlukan hipotesis yang paling mungkin, data x sebagai pengetahuan awal tentang kemungkinan dari berbagai hipotesis dalam H. Teorema Bayes menyediakan suatu jalan/cara untuk mengkalkulasi kemungkinan suatu hipotesis berdasar pada kemungkinan awalnya, kemungkinan dalam pengamatan berbagai data dapat memberikan hipotesis.

  P(h) untuk menandakan kemungkinan awal bahwa hipotesis h dipegang. P(h) sering disebut dengan prior probablity (probabilitas prior) dari h, P(x) merupakan kemungkinan awal bahwa data training x akan diamati. P(x|h) untuk menandakan kemungkinan dimana data training x memberi banyak hipotesis h.

  Dalam banyak kasus, keputusan diambil dengan menggunakan informasi yang lebih banyak tidak hanya dengan probabilitas prior saja. Fungsi likelihood juga bisa digunakan sebagai tambahan informasi dalam pengambilan keputusan. Dalam Bayes

  learning

  akan dimaksimalkan hipotesis yang paling mungkin, h, atau maximum apriori (MAP).

  Langkah – langkah perhitungan menggunakan metode Bayesian adalah sebagai berikut:

  1. Penghitungan mean dan standar deviasi (ditentukan dari nilai masing – masing feature setiap jenis buah).

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  2. Penghitungan nilai probability density function (2.1)

  3. Penghitungan nilai likelihood (2.2) 4.

  Penghitungan nilai probabilitas

  (2.3) 5.

  Penentuan probabilitas maksimum

  (2.4)

  II.3.1. Contoh perhitungan menggunakan metode Bayesian Untuk lebih memahami perhitungan menggunakan metode Bayesian, akan diberikan sebuah contoh dan langkah – langkahnya :

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  2

  2

  9

  5 Overcast

  4

  80

  90 True

  3

  3 Rainy

  3

  65

  85 False

  70

  72

  95

  71

  91 Sunny 2/9 3/5 Mean 73 74.6 Mean 79.1 86.2 False 6/9 2/5 9/14 5/14 Overcast 4/9 0/5 St.dev 6.2 7.9 St.dev 10.2 9.7 true 3/9 3/5

  Rainy 3/9 2/5 o Data testing yang digunakan Outlook Temperature Humidity Windy Play Sunny

  66

  90 True ? o Pertanyaan : Berapa probabilitas yes?

  Berapa probabilitas no?

  6

  o Terdapat data training sebagai berikut

  

Tabel 2.1

  75

  Outlook Temperature Humidity Windy Play Y N Y N Y N Y N Y N

  Sunny

  2

  3

  83

  70

  68

  64

  69

  75

  90

  72

  81

  85

  86

  96

  80

  65

  70

  80

  70

  75

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  o Jawab : 1. Nilai mean dan standar deviasi sudah dihitung dalam tabel training.

  3. Perhitungan nilai likelihood

  

Likelihood of yes = 2/9 x 0.1216 x 0.0692 x 3/9 x 9/14

  = 0.00040

  Likelihood

  of no = 3/5 x 0.0913 x 0.0444 x 3/5 x 5/14 = 0.00052

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  4. Perhitungan nilai probabilitas o Jadi probabilitas yes adalah 43.48% dan probabilitas untuk no adalah 56.52%.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

BAB III METODOLOGI DAN PERANCANGAN SISTEM Dalam bab ini akan dijelaskan analisis sistem, metodologi (skema alur sistem) dan

  desain user interface. Metodologi dilakukan untuk menjelaskan setiap tahap yang dilakukan dalam proses pengenalan pola buah – buahan dengan menggunakan metode Bayesian sehingga akan dihasilkan sistem yang maksimal.

  IV.1. Analisis Sistem Terdapat banyak sekali jenis buah yang ada, masing – masing buah mempunyai varietas yang berbeda – beda. Buah – buahan tersebut hanya akan dibedakan menurut jenisnya tanpa memperhatikan varietasnya. Setiap jenis buah memiliki karakteristik yang unik. Salah satu contoh karakteristik unik dari buah dapat dilihat dari bentuknya.

  Dengan mengenali buah dari ciri – cirinya (baik dari bentuk, warna maupun teksturnya), maka dapat diketahui bahwa buah dengan ciri tertentu dikelompokan dalam jenis yang sama.

  Terdapat beberapa metode yang dapat digunakan untuk mengenali pola, salah satunya adalah metode Bayesian. Metode Bayesian adalah pendekatan statistik yang didasarkan pada keputusan klasifikasi dengan menggunakan probabilitas.

  Data berupa image atau gambar yang didapat dengan memotret obyek buah – buahan, yaitu buah apel, pisang, jeruk, mangga dan buah stroberi. Data yang akan digunakan adalah gambar buah yang utuh, tidak terpotong dan tidak bergerombol. Untuk gambar buah yang bertumpuk atau bergerombol dilakukan pengeditan agar menjadi satu buah saja dan yang lain dianggap sebagai noise yang harus dihilangkan.

  Proses pengeditan merupakan bagian dalam tahap pre – processing.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  Data yang digunakan 400 buah. Terdapat lima jenis buah, masing – masing jenis buah sebanyak 80 buah. Setiap jenis buah diambil contoh yang berbeda – beda.

  Tabel 3.1:

Tabel Karakteristik Buah

  Jenis buah Warna Bentuk Apel Merah, Hijau Bulat dengan bagian atas lebih besar dari bagian bawah Jeruk Kuning, Hijau Bulat Mangga Hijau, Kuning Elips pendek, melengkung di bagian bawah.

  Pisang Kuning, Hijau Silinder, elips memanjang , melengkung ditengah Stroberi Merah Kerucut

  IV.2. Skema Proses pengenalan pola buah – buahan dengan menggunakan metode Bayesian secara garis besar ditunjukan pada gambar 3.1 sebagai berikut :

  Hasil Feature pengklasifikasian analisis

  Pengenalan pola gambar.jpg Data hasil dengan metode

  (gambar asli) klasifikasi Bayesian

  Gambar 3.1: Garis besar proses pengenalan pola

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

Gambar 3.1 menunjukan garis besar proses pengenalan buah – buahan dengan menggunakan metode Bayesian. Inputan berupa feature asli gambar buah bertipe JPG

  data inputan dalam proses pengenalan pola sehingga menghasilkan output berdasarkan data yang telah dikenali sebagai data hasil pengklasifikasian.

  IV.1.1. Feature Analisis Masing - masing buah mempunyai karakter yang berbeda, perbedaan karakter buah dapat digunakan untuk membedakan jenis buah yang satu dengan yang lain.

  Beberapa karakter yang sering digunakan untuk membedakan jenis buah antara lain ukuran, warna, tekstur dan berat. Tetapi dalam penelitian ini hanya akan menggunakan 2 karakter saja yang akan dijadikan sebagai feature pembeda jenis buah, yaitu warna dan ukuran.

  Dalam tahap ini, akan ditentukan perhitungan untuk masing - masing featurenya.

  Feature yang digunakan adalah sebagai berikut :

• Perbandingan ukuran

  Perbandingan ukuran yang akan digunakan adalah perbandingan jarak horizontal dan vertikal.

• Menghitung rata – rata Hue • Menghitung rata – rata RGB ((R + G + B) / 3)
• Menghitung rata – rata nilai R • Menghitung rata – rata nilai G • Menghitung rata – rata nilai B • Menghitung nilai (2R - (G + B))
• Menghitung nilai (2G – (R + B))

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

• Menghitung nilai (2B – (G + R))

  IV.1.2. Pengenalan dengan menggunakan metode Bayesian Setelah tahap feature analisis dilakukan, tahap selanjutnya adalah proses pengenalan pola buah – buahan dengan menggunakan metode Bayesian. Proses pengenalannya ditunjukan dalam gambar berikut :

  training MODEL Penghitungan Mean dan standar deviasi mean dan standar masing – masing feature deviasi untuk setiap jenis buah

  Feature yang telah diekstrak Klasifikasi / testing

  Penghitungan Penghitungan Penghitungan nilai nilai probability nilai likelihood probabilitas density function _maksimum

  Hasil klasifikasi

Gambar 3.2:

Skema pengenalan pola buah menggunakan metode Bayesian

Gambar 3.2 menjelaskan proses pengenalan pola buah. Inputannya adalah data yang telah mengalami pengekstrakan feature kemudian dilakukan proses pengenalan

  dengan menggunakan metode Bayesian. Dalam proses ini terdapat 2 tahap yang harus dilalui sebelum akhirnya data dapat diklasifikasikan, yaitu tahap training dan tahap

  

testing . Proses pengenalan ini menggunakan metode five folds. Metode ini digunakan

untuk membagi data, data untuk training dan data untuk testing.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  III.2.2.1. Five folds Tahap ekstraksi feature menggunakan file JPEG yang diekstrak untuk sampel buah ke dalam kelompok buah tertentu dengan model pola buah yang sesuai.

  Metode five folds akan membagi data menjadi 5 bagian, 4 bagian untuk data

  

training dan 1 bagian untuk data testing. Terdapat 5 jenis buah, setiap jenis buah

  mempunyai 80 sampel buah. Penghitungan five folds sebagai berikut: Dari hasil perhitungan didapatkan 16 sampel untuk setiap bagiannya. Jumlah seluruh data adalah 400 sampel, maka untuk data training sebanyak 320 sampel (4 bagian sampel) sedangkan untuk data testing diambilkan dari 80 sampel sisanya (1 bagian sampel). Pembagian sampel ditunjukkan pada tabel 3.2 berikut :

Tabel 3.2 Tabel Pembagian Sampel

  Bagian Buah Apel Bagian Buah Jeruk 1 16 sampel 1 16 sampel

  2

  2

  16 sampel 16 sampel

  3 16 sampel 3 16 sampel 4 16 sampel 4 16 sampel

  5

  5

  16 sampel 16 sampel