Mata Kuliah
Pengenalan Pola kelas C
Disusun oleh :
1. Firda Ika Pratiwi (115060800111011)
2. Yekti Narika Cahyaningtyas (115060801111037)
3. Noviani Hasianna Panjaitan (115060807111086)
TEKNIK INFORMATIKA
PROGRAM TEKNOLOGI INFORMASI DAN ILMU KOMPUTER
UNIVERSITAS BRAWIJAYA
2013
BAB I
PENDAHULUAN
1.1. Latar Belakang Masalah
Seiring dengan berjalannya waktu, teknologi saat ini semakin lama semakin
canggih dan berkembang. Hal ini dapat dilihat dengan banyaknya aplikasi-aplikasi
yang dibuat dengan teknologi saat ini yang sedang berkembang. Saat ini semakin
banyak pula aplikasi-aplikasi yang didesain seperti perilaku manusia. Misalnya
saja aplikasi yang bisa mengenali berbagai macam jenis barang yang hampir mirip
ciri-ciri dan karakteristiknya. Contohnya seperti kamera yang bisa mendeteksi
wajah ( face recognition ) saat pengguna ingin memotret.
Pengolahan citra merupakan salah satu cabang dari ilmu informatika.
Pengolahan citra digunakan untuk mengubah suatu citra/gambar menjadi citra
yang lain dengan menggunakan teknik tertentu. Maka dari itu pengolahan citra
akan mempunyai inout berupa citra dan outputnya juga berupa citra. Pengolahan
citra juga berkaitan dengan pengenalan pola. Pengenalan pola ( Pattern
Recognition ) adalah metode atau sistem yang digunakan untuk meletakkan polapola kedalam kategori. Pengenalan pola juga bisa menerjemahkan citra menjadi
deskripsi atau suatu informasi yang dapat merepresentasikan citra.
keputusan bayes.
Pengklasifikasian buah jeruk hanya menggunakan buah jeruk
nipis, jeruk lemon, dan jeruk manis.
1.3.3
merancang
aplikasi
program
klasifikasi
buah
jeruk
BAB II
TINJAUAN PUSTAKA
2.1
Pengenalan Pola
Pengenalan pola merupakan bidang dalam pembelajaran mesin dan dapat
diartikan sebagai "tindakan mengambil data mentah dan bertindak berdasarkan
klasifikasi data". Dengan demikian, ia merupakan himpunan kaidah bagi
kategori.
Ilmu pengetahuan yang menitikberatkan pada deskripsi dan klasifikasi
2.1.1
2.3
BAB III
METODOLOGI
3.1
Alat
Alat yang digunakan dalam penelitian ini adalah satu unit komputer dengan
spesifikasi :
3.2
Prosesor
RAM
: 2.00 GB
OS
Metode Penelitian
Studi ini menggunakan metode penelitian deskriptif analitik dengan
penekanan analisis pada teori yang digunakan. Teori yang kami gunakan yaitu
Teori Keputusan Bayes.
3.3
Metode Analitis
Studi ini menggunakan metode analitis data kualitatif atau data kontinyu.
Dan data citra yang ada akan diekstraksi ke dalam 4 fitur yaitu Red, Green, Blue
dan juga diameter.
3.4
Pengumpulan data
Dataset didapat dari elearning ptiik ub (elearning.ptiik.ub.ac.id), dan data
disediakan oleh dosen pengampu mata kuliah pengenalan pola.
BAB IV
PEMBAHASAN
4.1
Data
Dalam program ini data berupa citra digital dengan ekstensi jpeg , data
yang ada adalah gambar tiga jenis jeruk yang berbeda yaitu jeruk manis , jeruk
lemon dan jeruk nipis , data training digolongkan kedalam tiga kelas sesuai jenis
jeruk,dengan ukuran citra berbeda-beda . Untuk pemilihan fitur program ini
menggunakan empat fitur yaitu tiga warna dasar merah , hijau , biru dan juga
menggunakan diameter dari gambar yang ada .
4.2
Input
Data training yang berupa citra diberi nama sesuai kelas masing-masing
kemudian program membaca input berupa citra dengan perulangan untuk input
data berulang ulang serta percabangan untuk membedakan masuk kelas manakah
data tersebut.
Data testing berupa file citra yang akan uji oleh program untuk
pengklasifikasian data tersebut sesuai dengan aturan yang digunakan.
4.3
Pra Proses
Sebelum pengambilan data , citra diolah terlebih dahulu untuk mendapatkan
data sesuai yang diinginkan beberapa pekerjaan yang dilakukan program dalam
pengolahan citra ini bertujuan untuk mendapatkan data diameter dan mean dari
masing-masing warna red ,green, dan blue.
4.3.1 Pengubahan Ukuran Citra
Citra yang memiliki ukuran berbeda beda perlu di ubah ukurannya
agar saat penghitungan diameter didapat nilai yang sesui dengan konten
citra dan tidak berpengaruh pada ukuran citra
4.3.2 Grayscaling
Citra yang sudah di ubah ukurannya akan diubah menjadi citra keabuabu an untuk mempermudah mendapatkan citra yang hanya memiliki warna
hitam dan putih
Gambar 4.1
Pada program ini citra keabu-abuan didapat dengan menggunakan
fungsi Function_ColorToGray yang digunakan untuk merubah citra
berwarna menjadi citra keabu-abuan.
Program ini menggunakan rumus berdasarkan luminosity dari citra
untuk mendapatkan citra keabu-abuan yang diinginakan.
GrayImage=0.2989 * R_Channel + 0.5870 * G_Channel + 0.1140 *
B_Channel.
4.3.3 Citra Biner
Setelah mendapatkan citra grayscale program merubah citra menjadi
dua warna saja yaitu hitam dan putih dengan cara merubah warna abu-abu
menjadi hitam atau putih sesuai dengan tingkat keabu-abuan pixel pada
citra.
Gambar 4.2
Gambar 4.3
4.4
Klasifikasi
Citra yang telah diambil datanya akan diproses untuk mendapatkan pola
dari kumpulan citra yang telah di inputkan sebagai data training
4.4.1 Mean Fitur, Mean Global, & Zero Mean
Dari setiap fitur(mean merah, hijau, biru, diameter) di kelompokkan
berdasarkan kelas. Dari setiap fitur tersebut, hitung meannya dan di
kelompokkan pada matriks mean fitur. Mencari mean global dengan
menghitung mean setiap fitur dan di kelompokkan pada matriks mean
global.
Untuk menemukan zero mean, gunakan mean setiap fitur yang di
kurangi dengan mean global.
4.4.2 Kovarian
Program ini mencari kovarian dengan rumus berikut
4.4.3 Likelihood
Program menghitung probabilitas likelihood dengan menggunakan
rumus :
4.4.4 Posterior
Setelah mendapatkan prior dan likelihood posterior dapat dihitung
dengan rumus :
LAMPIRAN
Screenshot Program :
BAB V
KESIMPULAN
5.1 Kesimpulan
Kesimpulan yang dapat diambil dari project Pengenalan Pola ini adalah
bahwa dalam pembuatan program aplikasi klasifikasi buah jeruk dengan
menggunakan metode teori keputusan bayes ini di awali dengan membuat desain
tampilan yang kemudian digabungkan dengan source codenya. Program aplikasi
ini dirancang dengan maksud untuk mengetahui klasifikasi jenis buah jeruk, yaitu
jeruk nipis, jeruk lemon, dan jeruk manis.