PROPOSAL SKRIPSI
Untuk memenuhi persyaratan melakukan
penelitian dalam rangka penyusunan skripsi
Oleh
Noor Azizah
NIM J1F111006
I.
LATAR BELAKANG
Perkembangan teknologi informasi telah banyak mengalami perubahan
dipasang pada wahana satelit disebut sebagai citra satelit. Pada analisis citra satelit
dapat dikelompokkan dalam beberapa tahapan (Lillesand dan Kiefer, 1990) yaitu:
pemulihan citra (image restoration), penajaman citra (image enhancement),
klasifikasi citra (unsupervised classification dan supervised classification) serta
segmentasi gambar (image extraction) (Hariyanti, 2013).
Segmentasi citra adalah proses pembagian citra menjadi beberapa bagian
(region) berdasarkan kesamaan kriteria kemiripan pada tiap bagian kemudian
dikelompokkan menjadi satu bagian yang bersifat homogen. Segmentasi citra telah
banyak dikembangkan salah satunya penelitian yang dilakukan dengan metode
clustering.
II.
PERUMUSAN MASALAH
Berdasarkan latar belakang di atas maka rumusan masalah dalam penelitian
ini adalah bagaimana hasil segmentasi citra satelit pada lahan di Kecamatan
Gambut menggunakan algoritma Fuzzy C-means?
III.
BATASAN MASALAH
Agar penelitian lebih terarah, maka diperlukan pembatasan masalah
Metode yang digunakan dalam penelitian ini adalah model waterfall untuk
pembangunan aplikasi dan Algoritma Fuzzy C-means untuk clustering citra
lahan.
2.
3.
IV.
TUJUAN PENELITIAN
Tujuan dari penelitian yang akan dilakukan adalah mengetahui hasil
MANFAAT PENELITIAN
Manfaat yang diberikan dari penelitian ini adalah sebagai berikut :
1.
2.
VI.
TINJAUAN PUSTAKA
6.2
Landasan Teori
menghasilkan warna yang diinginkan. RGB dimulai dengan warna hitam (ketiadaan
semua warna) dan menambahkan merah, hijau, biru terang untuk membuat putih.
Kuning diproduksi dengan mencampurkan merah, hijau; warna cyan dengan
mencampurkan hijau dan biru; warna magenta dari kombinasi merah dan biru.
Monitor komputer dan televisi memakai RGB. Sorotan electron menghasilkan
sinyal merah, hijau, biru yang dikombinasikan untuk menghasilkan berbagai warna
yang dilihat pada layar (Prayudha, 2011).
6.2.3 Segmentasi Citra
Segmentasi citra adalah membagi suatu citra menjadi wilayah-wilayah yang
homogen berdasarkan kriteria keserupaan yang tertentu antara tingkat keabuan
uatu piksel dengan tingkat keabuan piksel-piksel tetangganya. Proses segmentasi
memiliki tujuan yang hampir sama dengan proses klasifikasi tidak terpandu.
segmentasi sering dideskripsikan sebagai proses analogi terhadap proses pemisahan
latar depan-latar belakang. Contoh untuk proses segmentasi citra yang digunakan
adalah klasterisasi (clustering) (Widodo, 2004).
6.2.4 Pembagian Segmentasi
Peta Rupabumi Indonesia (RBI) adalah peta topografi yang menampilkan
sebagian unsur-unsur alam dan buatan manusia di wilayah NKRI. Unsur-unsur
kenampakan rupabumi menurut Badan Informasi Geospasial (2013) dapat
dikelompokkan menjadi 7 tema, yaitu:
Tema 1: Penutup lahan: area tutupan lahan seperti hutan, sawah, pemukiman dan
sebagainya
Tema 2: Hidrografi: meliputi unsur perairan seperti sungai, danau, garis pantai dan
sebagainya
1
. 2.
.
.
.
.
]
1 1
0 0
1 1 1
0 0 0
0 0 0
1 1 1
0
]
1
Baris ke-i dalam matriks partisi mengandung level keanggotaan I terhadap Ai.
Nilai level keanggotaan dalam setiap kolom matriks partisi yang berarti nilai
keanggotaan data dalam setiap kelompok akan selalu berjumlah 1 (Kusrini &
Luthfi, 2009).
Sebagai contoh, himpunan Z = {z1, z2, z3,..., z10}. Dalam pembagian samar
jika himpunan Z dibagi menjadi dua kelompok Z1 dan Z2, maka matriks partisi U
dapat dituliskan sebagai berikut (Kusrini & Luthfi, 2009).
1.0 1.0 1.0 1.0 0.7 0.4 0.2 0.0 0.0 0.0
= [
]
0.0 0.0 0.0 0.0 0.3 0.6 0.8 1.0 1.0 1.0
Baris atas matriks partisi U menunjukkan level keanggotaan elemen
himpunan Z dalam A1 dan baris bawah menunjukkan level keanggotaan elemen
himpunan Z dalam A2. Dalam fuzzy clustering ini tampak bahwa setiap elemen
himpunan Z dapat menjadi anggota kelompok (A1 dan A2) dengan level
keanggotaan antara 0 dan 1. x1, x2, x3, x4 menjadi anggota A1 dengan level
keanggotaan 0, sedangkan x5 menjadi anggota A1 dengan level keanggotaan 0,7 dan
menjadi anggota A2 dengan level keanggotaan 0,3 dan seterusnya (Kusrini &
Luthfi, 2009).
6.2.5.2 Fuzzy C-Means
Ada beberapa algoritma clustering data, salah satu diantaranya adalah
fuzzy c-means (FCM). FCM adalah suatu teknik pengclusteran data yang mana
keberadaan tiap-tiap titik data dalam suatu cluster ditentukan oleh derajat
keanggotaan. Fuzzy C-Means adalah algoritma pengelompokan yang terawasi,
karena pada algoritma Fuzzy C-Means jumlah cluster yang akan dibentuk perlu
diketahui terlebih dahulu. Teknik ini pertama kali diperkenalkan oleh Jim Bezdek
pada tahun 1981 (Kusumadewi & Purnomo, 2004).
Konsep dasar FCM pertama kali adalah menentukan pusat cluster yang
akan menandai lokasi rata-rata untuk tiap cluster. Pada kondisi awal, pusat cluster
ini masih belum akurat. Tiap-tiap titik data memiliki derajat keanggotan untuk tiaptiap cluster. Dengan cara memperbaiki pusat cluster dan derajat keanggotaan tiaptiap titik data secara berulang, maka akan dapat dilihat bahwa pusat cluster akan
bergerak menuju lokasi yang tepat.
keanggotaan yang menggambarkan jarak dari titik data yang diberikan ke pusat
cluster yang terbobot oleh derajat keanggotaan titik data tersebut (Kusumadewi &
Purnomo, 2004)
Apabila terdapat suatu himpunan data (input atau output data dari sistem
fuzzy) sebagai berikut:
(1)
(2)
(3)
dengan
yang berarti bahwa jumlah derajat keanggotaan suatu data pada semua
cluster harus sama dengan 1.
Algoritma FCM didasarkan pada minimasi fungsi objektif yang
diformulasikan dalam persamaan (Kusrini & Luthfi, 2009):
= ( )
|| ||2
=1 =1
dengan:
uij merupakan level keanggoataan dari zi dalam cluster j
Zi merupakan nilai data ke-i dari d- dimensi data
cj merupakan nilai ke-j dari d-dimensi cluster center
m merupakan sembarang bilangan real lebih besar dari 1
Rujukan lebih jelas mengenai penentuan nilai c dan m ini dapat dilihat
pada pada jurnal On Cluster Validity For The Fuzzy C-Means Model dengan
referensi yang dapat dilihat di daftar pustaka.
Perulangan dalam FCM akan berhenti ketika (Fuzzy C-Means Clustering):
dimana adalah error terkecil yang diharapkan dengan dengan nilai antara 0 dan 1
dan k adalah langkah iterasi (Kusrini & Luthfi, 2009).
Untuk lebih jelasnya Algoritma FCM disusun dengan langkah sebagai
berikut:
a.
Input data
Input data yang akan dicluster (X) berupa matrik berukuran n m ( n = jumlah
data, m = atribut setiap data). Xij = data ke- i (i = 1, 2, , n), atribut kej (j = 1, 2, , m).
b.
c.
Batasan
1. Jumlah cluster
=c
2. Pangkat
=w
3. Maksimum iterasi
= MaxIter
= Po = 0
6. Iterasi awal
=t=1
=
=1
Dengan j = 1, 2, , m.
Menghitung:
=
d.
e.
= ([( ) ] ( ) )
=1 =1
f.
=1
[
=1( ) ]
=1 [
=1(
1
2 1
) ]
dengan i = 1, 2, , n; dan k = 1, 2, , c 3
g.
Alat Penelitian
Penelitian ini diperlukan beberapa alat untuk mendukung tercapainya
penelitian yang akan dilakukan. Alat yang digunakan adalah sebagai berikut:
1) Perangkat Keras, melipui:
a) Prosessor Intel Duo Core.
b) RAM 3 GB.
c) Hardisk 320 GB.
2) Perangkat Lunak
a) Sistem Operasi Microsoft Windows 7.
b) JDK Vertion 7.
c) NetBeans 7.
d) JAI Librari.
e) ArcGis
f) Google Earth Pro
7.2
Bahan Penelitian
Bahan yang digunakan untuk pelaksaan penelitian ini adalah data lahan citra
Metode Penelitian
Adapun tahapan-tahapan yang akan dilakukan pada penelitian ini adalah
sebagai berikut:
7.3.1 Analisis Kebutuhan
Tahapan ini akan dilakukan analisis kebutuhan yang diperlukan dalam
penelitian. Adapun teknik yang dilakukan yaitu:
a.
Studi Literatur
Metode ini dilakukan dengan cara mencari literatur dari buku-buku, jurnal
maupun media internet tentang data citra satelit, segmentasi citra atau image
clustering, metode yang digunakan, dan meninjau penelitian yang sudah
dilakukan sebelumnya.
b.
Observasi
Observasi adalah pengamatan langsung suatu kegiatan yang sedang
dilakukan. Hasil observasi berupa pengamatan langsung terhadap lahan yang
ada di wilayah kecamatan Gambut yang kemudian akan dilakukan segmentasi
lahan.
7.3.2 Perancangan
Pada tahap ini dilakukan perancangan sistem berdasarkan dari hasil analisis
kebutuhan di atas. Perancangan yang dilakukan meliputi desain:
a.
Bulan 1
No
I
1
Analisis Kebutuhan
Desain (Perancangan)
Implementansi
Uji Coba
Penulisan Laporan
IX
Bulan II
Bulan III
Deskripsi Pekerjaan
II
III IV
II
III IV
II
III
IV
DAFTAR PUSTAKA