IMPLEMENTASI ALGORITMA NAVE BAYES UNTUK

KLASIFIKASI CITRA BERDASARKAN EKSTRAKSI

CIRI TEKSTUR DENGAN METODE MATRIKS
KOOKURENSI
Disusun untuk Sidang Proposal Skripsi
Semester Genap TA. 2014-2015

OLEH:
KUSMIAN ARIYANTOKO
10110457

Program Studi Teknik Informatika

Fakultas Teknik Dan Ilmu Komputer
Universitas Komputer Indonesia
2014

1. Latar Belakang
Manusia mampu membedakan citra dengan kelas-kelas tertentu
karena manusia memiliki ingatan akan tekstur dari setiap kelas citra
tersebut. Kemampuan manusia tersebut apabila diterapkan ke dalam
suatu sistem yang berupa perangkat lunak maupun perangkat keras,
akan sangat berguna untuk diaplikasikan dalam banyak hal. Contoh
aplikasinya adalah automatisasi dalam mengklasifikasikan objek atau
barang dalam proses industri, analisis citra satelit, pencarian data citra
di dalam halaman web atau basis data, peninjauan kualitas barang,
dan lain-lain.
Tekstur adalah salah satu elemen dasar citra. Elemen dasar ini
berupa ciri-ciri atau sifat-sifat yang terdapat didalam citra dan
membentuk suatu pola-pola dengan interval jarak dan arah tertentu
secara berulang-ulang yang memenuhi sebagian besar atau seluruh
bidang citra. Pada umumnya tekstur adalah pola visual rumit yang
tersusun dari kesatuan-kesatuan atau subpola yang memiliki
karakteristik kecerahan, warna, kemiringan, ukuran, dan lain-lainnya.
Dalam dunia sehari-hari kita akan menjumpai 2 jenis tekstur, yaitu
makro tekstur dan mikro tekstur. Makro tekstur merupakan tekstur
yang secara kualitatif dapat kita lihat pola perulangannya, biasanya
pola ini dibentuk secara sengaja oleh manusia. Misalnya bentuk pola
pada baju (garis-garis atau kotak-kotak). Sedangkan pola mikro tekstur
merupakan pola yang akan banyak kita jumpai di alam, seperti pola
jerami, beras, kopi, dan lain-lain.
Dalam pengolahan citra, tekstur dapat digunakan untuk
mengidentifikasi dan mengenali suatu citra dengan tekstur tertentu
berdasarkan satu set kelas, hal tersebut biasa disebut klasifikasi citra.
Pada klasifikasi citra, pemilihan metode ekstraksi ciri merupakan
tahapan yang terpenting, karena ekstraksi ciri dapat mempengaruhi
tingkat akurasi dalam pengklasifikasian citra tersebut. Berbagai
macam teknik untuk ekstraksi ciri tekstur pada citra telah banyak
diusulkan. namun, yang paling terkenal dan banyak digunakan saat ini
adalah teknik yang di usulkan oleh Tuceryan dan Jain(1993). Tuceryan
dan Jain (1993) membagi metode analisis tekstur ke dalam empat
kategori: statistik, geometris, berbasis model dan pemrosesan sinyal.
Dari keempat
teknik ekstraksi ciri tekstur yang di usulkan oleh
truceyan dan jain, metode yang paling banyak di pakai untuk ekstraksi
ciri tektur saat ini adalah metode statistik, Beberapa pakar image
analysis berpendapat metode statistik dapat digunakan sebagai
parameter spesifik yang dapat menggambarkan ciri dari setiap citra.
Metode statistik citra ini sering dinamakan dengan analisis tekstur.
Dinamakan analisis tekstur karena, parameter statistik yang di ekstrak
dari
citra
merupakan
karakteristik
yang
merepresentasikan
bentuk/pola tekstur dalam citra.
Dalam Analysis texture, ada beberapa metode yang dapat
digunakan, diantaranya adalah GLCM (Grey-Level Co-Occurence

Matrix), GLDM(Gray Level Difference Method), GLRM(Gray Level RunLength Method), GLAM(Gray Level Aura Matrice), Sum And Defference
Histogram dan masih banyak lagi yang lainya. Tetapi, diantara banyak
metode tersebut, yang paling banyak digunakan adalah GLCM dan
GLDM.
Untuk meberikan rekomendasi dalam menentukan metode
Ekstraksi ciri
yang efektif untuk pengenalan objek berdasarkan
tekstur,
maka
akan
dilakukan
penelitian
IMPLEMENTASI
ALGORITMA
NAVE
BAYES
UNTUK
KLASIFIKASI
CITRA
BERDASARKAN EKSTRAKSI CIRI TEKSTUR DENGAN METODE
MATRIKS KOOKURENSI.

2. Identifikasi Masalah
Berdasarkan uraian latar belakang diatas dapat didentifikasi
masalahnya adalah :

1. bagaimana cara mengimplementasikan metode GLCM sebagai

ekstaksi fitur pada citra.
2. Bagaimana
mengimplementasikan

NAVE

BAYES

dalam

pengklasifikasian citra berdasarkan ekstraksi fitur GLCM

3. bagaimana cara mesin (komputer) mengenali tekstur, agar dapat
mengidentifikasi jenis objek.
3. Maksud dan Tujuan
Berdasarkan
permasalahan yang telah dikemukakan diatas
maka maksud dari penulisan skripsi ini adalah menerapkan GLCM dan
NAVE BAYES untuk supaya menciptakan sebuah mesin(komputer)
yang mampu mengenali objek berdasarkan ekstraksi ciri tekstur.
Adapun tujuan yang ingin dicapai adalah :
Meneliti tingkat pengenalan perangkat lunak terhadap citra dengan
cara melakukan pengujian dan analisis berdasarkan sekenario yang
nanti dipersiapkan dan juga Membuat perangkat lunak simulasi yang
mampu mengklasifikasikan citra ke dalam jenis-jenis yang berbeda
menggunakan metode GLCM dan NAVE BAYES dan juga Meneliti
tingkat pengenalan perangkat lunak terhadap citra masukan.

4. Batasan Masalah
Dalam pembahasan dan permasalahan yang terjadi, diperlukan beberapa
pembatasan masalah atau ruang lingkup kajian sehingga penyajian lebih terarah
dan terkait satu sama lain.

Adapun batasan dari permasalahan ini adalah sebagai berikut :

1. Citra yang digunakan adalah citra sekumpulan biji bijian, seperti gambar
di bawah ini.

2. Citra inputan berupa biji bijian dan kacang kacangan, yaitu

a. Beras
b. Ketan hitam
c. Beras merah
d. Kacang merah
e. Kacang hijau
f. Kacang tanah
g. Kacang kedelai
5. Metodologi Penelitian
Metode penelitian dalam penyusunan tugas akhir ini dibagi
menjadi dua tahap yaitu, tahap pengumpulan data dan tahap
pembangunan perangkat lunak.

1.5.1 Tahap Pengumpulan Data

Teknik pengumpulan yang dilakukan adalah studi pustaka atau
studi literatur. Pengumpulan data dengan cara mengumpulkan
literatur, jurnal, paper dan bacaan-bacaan yang ada kaitannya dengan
judul penelitian.

1.5.2 Tahap Pengembangan Perangkat Lunak

Dalam pengembangan aplikasi ini digunakan metode The Classic
Life Cycle (Paradigma Waterfall). Tahap-tahap pembangunan perangkat
lunak metode waterfall dapat dilihat pada gambar 1.1, dengan
penjelasan sebagai berikut:
5

Analysis
Design
Coding
Testing

Maintenance

Gambar 1.1. Metode The Classic Life Cycle / Waterfall.

1. Analysis adalah tahap menganalisa hal-hal yang diperlukan dalam

pelaksanaan proyek pembuatan atau pengembangan software.

2. Design adalah tahap menerjemahkan dari keperluan-keperluan yang

dianalisis ke dalam bentuk yang lebih mudah dimengerti oleh
pemakai.

3. Coding adalah tahap menerjemahkan data/pemecahan masalah

software yang telah dirancang ke dalam bahasa pemograman yang
telah ditentukan.

4. Testing adalah tahap pengujian terhadap program yang telah dibuat.

Pengujian ini dilakukan untuk memastikan tidak ada kesalahan dan
semua berjalan dengan baik dan input yang diberikan hasilnya sesuai
dengan yang diinginkan.

5. Maintenance adalah perangkat lunak yang telah dibuat dapat

mengalami

perubahan

sesuai

permintaan

pemakai

atau

perkembangan metode. Pada program yang dibangun ini tidak

dilakukan tahap maintenance.

6. Deskripsi Umum Sistem

Sistem yang akan di buat adalah sebuah aplikasi simulasi yang akan di
gunakan untuk menguji tingkat pengenalan sistem terhadap citra
masukan berdasarkan data hasil training yang sebelumnya telah

dilakukan, secara garis besar yang akan dilakukan adalah membentuk

data acuan, Metode CO-OCCURRENCE MATRIX berguna untuk
mengekstraksi ciri pada gambar, setelah di ekstraksi ciri, ciri-ciri yang
didapatkan akan diklasifikasikan dengan algoritma nave bayes,
dimana nantinya hasil klasifikasi tersebut akan di jadikan data acuan.
Begitupun dengan data uji, yang akan melakukan tahapan yang sama,
sampai akhirnya, nanti data yang di peroleh dari data uji tersebut,
akan di bandingkan dengan data acuan, sehingga akan di dapatkan
hasil klasifikasi, di manakan data uji tersebut dapat di klasifikasikan.

Secara umum, sistem simulasi yang akan dibuat adalah

Proses training,

1.
2.
3.
4.
5.

Masukan citra training

Ubah citra menjadi grayscale
Ekstraksi citra dengan metode OCCURRENCE MATRIX
Klasifikasi hasil ekstraksi citra dengan nave bayes
Masukan data training ke dalam database

Proses pengujian

1.
2.
3.
4.

Masukan citra uji

Ubah menjadi greyscale
Ekstraksi citra dengan metode OCCURRENCE MATRIX
Klasifikasikan hasil ekstraksi dengan nave bayes berdasarkan data

training
5. Tampilkan hasil pengenalan
7. Review Literatur
Banyak penelitian yang sebelumnya dilakukan mengenai Penilaian
Tugas Akhir atau Skripsi. Dalam upaya mengembangkan dan
menyempurnakan penilaian tugas akhir ini perlu dilakukan studi
pustaka (review literatur) sebagai salah satu dari penerapan metode
penelitian yang akan dilakukan. Manfaat dari studi pustaka ini antara
lain:

a. Mengidentifikasikan kesenjangan (identify gaps) dari penelitian ini.

b. Menghindari membuat ulang (reinventing the wheel) sehingga banyak
menghemat waktu dan juga menghindari kesalahan kesalahan yang pernah
dilakukan oleh orang lain.
c. Mengidentifikasikan metode yang pernah dilakukan dan yang relevan
terhadap penelitian ini.

d. Meneruskan apa yang penelitian sebelumnya telah capai sehingga dengan

adanya studi pustaka ini, penelitian yang akan dilakukan dapat
membangun diatas platform dari pengetahuan atau ide yang sudah ada.
e. Untuk mengetahui orang lain yang spesialis dan mengerjakan di area
penelitian yang sama, sehingga dapat terjaring dalam komunitas yang
dapat memberi kontribusi sumber daya yang berharga.
Berikut adalah beberapa penelitian, prosiding atau jurnal yang
telah dilakukan dan memiliki korelasi yang searah dengan penelitian
yang akan dibahas dalam Skripsi ini, antara lain :

1. Jurnal yang telah dilakukan oleh Mita Indriani yang berjudul ANALISIS
TEKSTUR MENGGUNAKAN METODE RUN LENGTH.

Berisi tentang bagaimana melakukan klasifikasi citra dengan

menggunakan metode run length dan KNN, Dari hasil penelitian
diketahui bahwa metode run length ini digunakan untuk
membedakan tekstur halus dan tekstur kasar. Tekstur halus akan
menghasilkan nilai SRE, RLU, dan RPC yang besar dan nilai LRE
kecil. Sebaliknya tekstur kasar akan menghasilkan nilai LRE besar
namun nilai SRE, RLU, dan RPC yang kecil. Setelah dilakukan
klasifikasi dengan metode LDA dan k-NN dengan k=1, 3, 5, dan 7,
diperoleh hasil klasifikasi terbaik menggunakan metode k-NN untuk
k=1 dengan tingkat kesalahan klasifikasi sebesar 0%.

2. Jurnal yang telah dilakukan oleh Jackson A Bunga yang berjudul

KLASIFIKASI CITRA DENGAN METODE TRANSFORMASI WAVELET PADA
LIMA JENIS BIJI-BIJIAN.

Berisi tentang penelitian bagaimana melakukan klasifikasi citra dengan

metode wavelet. Dari hasil penelitian didapatkan Tingkat pengenalan untuk
wavelet Db-2 level 1 sebesar 82%, level 2 sebesar 80%, level 3 sebesar 54%
dan level 4 sebesar 40%. Tingkat pengenalan dengan menggunakan wavelet
Db-3 level 1 sebesar 82%, level 2 sebesar 80%, level 3 sebesar 54% dan level
4 sebesar 40%. Tingkat pengenalan dengan menggunakan wavelet Coif-1
level 1 sebesar 82%, level 2 sebesar 80%, level 3 sebesar 54% dan level 4
sebesar 40%.
8. Sistematika Penulisan
Sistematika penulisan tugas akhir ini disusun untuk memberikan
gambaran umum tentang penelitian yang dijalankan. Sistematika
penulisan tugas akhir ini adalah sebagai berikut :

10

BAB I PENDAHULUAN
Menguraikan tentang latar belakang permasalahan, mencoba merumuskan inti
permasalahan yang dihadapi, menentukan tujuan dan kegunaan penelitian,
yang kemudian diikuti dengan pembatasan masalah, asumsi, serta sistematika
penulisan.
BAB II. TINJAUAN PUSTAKA
Membahas berbagai konsep dasar dan teori - teori yang berkaitan dengan
topik penelitian yang dilakukan dan hal hal yang berguna dalam proses
analisis permasalahan serta tinjauan terhadap penelitian - penelitian serupa
yang telah pernah dilakukan sebelumnya.
BAB III. ANALISIS DAN PERANCANGAN SISTEM
Bab 3 terbagi menjadi dua bagian yaitu analisis dan perancangan sistem.
Bagian analisis sistem yaitu deskripsi masalah, analisis kasus, analisis
masalah,analisis kebutuhan, menguraikan cara pemecahan masalah, selain itu
terdapat perancangan sistem yang terbagi menjadi perancangan komponen,
perancangan berorientasi objek, dan perancangan antarmuka untuk aplikasi
yang akan dibangun sesuai dengan hasil analisis yang telah dibuat.
BAB IV. IMPLEMENTASI DAN PENGUJIAN SISTEM
Menjelaskan implementasi dari hasil analisis dan perancangan yang telah
dibuat ke dalam bentuk aplikasi pemograman, kemudian dilakukan pengujian
terhadap aplikasi yang telah dibangun untuk memastikan bahwa aplikasi
dapat berjalan secara efektif sesuai yang diinginkan.
BAB V. KESIMPULAN DAN SARAN
Berisi kesimpulan yang sudah diperoleh dari hasil penulisan tugas akhir ini
dan saran untuk pengembangan penelitian lebih lanjut.
9. Daftar Pustaka
[1] Indriani, Mita. (2011). Analisis tekstur menggunakan metode run length,
UNDIP, Semarang.
[2] Bunga, Jackson. (2012). Klasifikasi citra dengan metode transformasi
wavelet pada lima jenis biji-bijian, UNDIP, Semarang.

11

[3] Yudhistira Ganis. (2011), KLASIFIKASI CITRA DENGAN MATRIKS

KO-OKURENSI ARAS KEABUAN (Gray Level Co-occurrence MatrixGLCM) PADA LIMA KELAS BIJI-BIJIAN,UNDIP, Semarang.
[4] Ahmad, U., Pengolahan Citra Digital & Teknik Pemrogramannya, Graha
Ilmu , 2005.
[5] Mansoor, Mohamed. (2012) BAYESIAN CLASSIFICATION OF FABRICS
USING BINARY CO-OCCURRENCE MATRIX . Department of Electronics

and

Communication

Engineering,

Engineering,Madurai

12

Thiagarajar

College

of