Disusun oleh:
Abiyyu Ramzy
NIM. 1355301002
Sistematika penulisan proposal ini secara keseluruhan terdiri dari 4 bab. Adapun garis
besar dari pembahasan dari setiap bab adalah sebagai berikut:
BAB I PENDAHULUAN
Pada bagian ini diuraikan tentang latar belakang masalah, perumusan masalah
dan batasan masalah, tujuan dan manfaat, serta sistematika penulisan.
II.2.4 Thresholding
Thresholding merupakan proses yang dilakukan untuk memisahkan pixel- pixel sesuai
dengan derajat keabuan. Proses pertama yaitu menetapkan nilai batas derajat keabuan. Pixel
yang memiliki nilai di bawah nilai batas derajat keabuan akan diubah menjadi 0, sementara
pixel yang memiliki nilai di atas nilai batas derajat keabuan akan diubah menjadi 1 (Utama,
2008).
Proses thresholding adalah metode paling sederhana dari segmentasi citra. Adapun
rumus untuk melakukan thresholding dengan derajat keabuan, yaitu:
x=b .
w
b
Dimana :
w = nilai derajat keabuan sebelum thresholding
x = nilai derajat keabuan setelah thresholding
r +g+b
S=
3
Dimana:
S: nilai gray-scale
r: nilai red
g: nilai green
b: nilai blue
Gambar 2.2 Gray Scale
Gambar RGB yang akan diubah ke bentuk gray-scale harus mengganti seluruh nilai
RGB piksel-pikselnya menjadi rata-rata jumlah nilai RGB tiap piksel tersebut. Sebagai contoh
nilai RGB: 200, 40, 0, maka nilai RGB untuk piksel gray- scalenya adalah: 80, 80, 80. Nilai 80
didapat dari (200 + 40 + 0) / 3 (Handoyo, 2005).
Citra gray-scale mempunyai warna gradiasi di setiap piksel-pikselnya yang dimulai dari
putih hingga hitam. Jarak dari putih ke hitam diwakili 8 bit (1 byte). Rentang warna tersebut
sangat cocok dalam pengolahan file gambar. Gray-scale juga sering digunakan dalam dunia
kedokteran terutama untuk X-ray (Kusumanto, 2011).
n 2
d ( xi , x j )= 1(a ( x )a (x ))
r i r j
Dimana:
d(xi,xj ) : Jarak Euclidean (Eucledean Distance).
(xi) : record ke- i
(xj) : record ke- j
(ar) : data ke-r
i,j :1,2,3,n
II.2.8 Pemrograman
Penelitian ini nantinya akan membuat sistem yang menggunakan software pendukung
yakni MATLAB. MATLAB adalah sebuah bahasa (pemrograman) dengan performa kerja yang
tinggi (high-performance) untuk melakukan komputasi teknis, yang mengintegrasikan
komputasi, visualisasi, dan pemrograman di dalam lingkungan kerjanya. Sehingga mudah
dalam memecahkan persoalan dengan solusi yang dinyatakan dengan notasi matematik (Wijaya,
2007).
MATLAB menggunakan sifat dan bentuk dari matriks yang dinyatakan dalam bentuk
notasi matematika untuk memecahkan permasalahan. Masalah yang dapat dipecahkan
menggunakan MATLAB seperti matematika dan komputasi, pengembangan algoritma,
pemodelan, simulasi dan pembuatan prototype, analisa data, eksplorasi, dan visualisasi,
pembuatan aplikasi termasuk GUI. Bahasa pemrograman ini tepat untuk pengolahan citra
digital.
Pada intinya MATLAB merupakan fungsi yang dapat dipanggil dan dieksekusi dengan
baik. Fungsi tersebut dikelompokkan sesuai dengan kegunaannya masing-masing yang terdapat
dalam toolbox MATLAB. Toolbox merupakan kumpulan fungsi-fungsi pada MATLAB yang
digunakan dalam pemecahan masalah tertentu (Farida, 2006).
II.2.9 Database
Semua data yang akan diolah dan hasil pengolahan disimpan dalam sebuah database.
Database adalah sekumpulan data yang disusun dalam bentuk tabel yang saling berkaitan
maupun berdiri sendiri (Arbie, 2004). Program yang digunakan oleh database cukup beragam.
Dalam penelitian ini menggunakan program MySQL.
MySQL merupakan aplikasi open source yang digunakan dalam sistem manajemen
basis data relasional. MySQL bekerja tidak sendirian melainkan butuh aplikasi lain dalam
memudahkan manajemen MySQL. Aplikasi tersebut merupakan phpmyadmin. PhpMyadmin
berfungsi untuk membuat tabel, menginsert, menghapus, dan mengupdate data dengan GUI.
Tampilan GUI lebih mudah dibandingkan harus mengetikkan perintah SQL secara manual.
III. PERANCANGAN
Arsitektur sistem secara keseluruhan pada proyek akhir ini dapat dilihat pada
Gambar 3.1.
Keterangan gambar :
1. Webcam : posisi webcam mengarah ke badan buah mangga sehingga
tampak keselurahan ruang warna mangga.
2. Buah mangga : objek yang akan diteliti.
3. Data Training : database tempat penyimpanan data training.
Gambar 3.2 Blok Diagram Perancangan
Dalam perancangan sistem, terdapat dua proses utama yang akan dilakukan yaitu
proses learning dan proses klasifikasi.
III.2.1 Proses Learning
Proses learning adalah proses yang akan dilakukan sistem untuk mengenali dan
mengetahui karakteristik beserta ciri dari citra mangga yang dijadikan sebagai masukan pada
data training. Gambar 3.3 akan menyajikan bentuk diagram alir sistem secara keseluruhan untuk
mengumpulkan data training.
Gambar 3.3 Flowchart Sistem Learning
Berdasarkan Gambar 3.3, proses pertama yang dilakukan adalah memproses citra
mangga sebagai citra input. Citra input akan melalui tahap selanjutnya yaitu preprocessing.
Selanjutnya, untuk mendapatkan ciri warna citra mangga dilakukan proses ekstraksi ciri.
Ekstraksi ciri dilakukan untuk memperoleh persentase jumlah warna pada mangga. Tahap
berikutnya adalah menyimpan data hasil ekstraksi ciri tersebut sebagai data training.
Berdasarkan Gambar 3.4, proses pertama yang dilakukan adalah proses pengambilan
citra dengan menggunakan kamera. Citra hasil pengambilan tersebut menjadi citra masukan
yang akan melalui tahap selanjutnya yaitu preprocessing. Selanjutnya, untuk mendapatkan ciri
warna citra mangga menggunakan proses ekstraksi ciri. Ekstraksi ciri dilakukan untuk
memperoleh persentase jumlah warna kuning dan hijau. Tahap berikutnya adalah proses
klasifikasi data testing terhadap data training yang telah tersimpan di database dengan algoritma
k-Nearest Neighbour. Hasil proses klasifikasi adalah prediksi hasil.
Hasil prediksi tersebut akan dihitung nilai Euclidean Distance untuk menghitung
jarak antara dua data. Data training dan data testing disajikan dalam bentuk bilangan persen.
Sebelum jarak euclidean distance dihitung, angka-angka pada data training dan data testing
dikonversi menjadi bilangan desimal terlebih dahulu untuk mempermudah proses perhitungan.
Setelah mendapatkan nilai euclidean, urutkan berdasarkan euclidean terkecil. Penentuan kriteria
hasil prediksi dilakukan dengan melihat label pada data training sesuai dengan id data yang
masuk ke dalam range k. Hasil prediksi didapat dari mayoritas label yang terpilih pada k.
Gambar 3.6 merupakan halaman utama dari aplikasi. Terdapat tombol mulai untuk masuk
kehalaman klasifikasi.
Pengujian dilakukan dengan menggunakan teknik pengujian black box system yaitu
dengan menguji keseluruhan sistem dari awal penggunaan sistem hingga mengeluarkan hasil
prediksi. Kesesuaian dan ketepatan setiap fungsi adalah tujuan utama dari pengujian.