PRAKTIKUM IV

KLASIFIKASI DENGAN MATRIKS JARAK

LAPORAN PRAKTIKUM TEKNIK KLASIFIKASI

DAN PENGENALAN POLA

Disusun Oleh:

Rayuh Dhilah Hanggara

1501022088

LABORATORIUM KOMPUTER DAN INFORMATIKA

PROGRAM STUDI TEKNIK ELEKTRO
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS AHMAD DAHLAN
2017
 PRAKTIKUM IV

KLASIFIKASI DENGAN METRIKS JARAK

A. TUJUAN PRAKTIKUM
1. Mahasiswa mampu memahami teknik klasifikasi menggunakan metric
jarak.
2. Memahami proses klasifikasi pola.
3. Memahami pengklasifikasi metric jarak.

B. DASAR TEORI

Satu ide dasar penggunaan fungsi jarak sebagai alat pengklasifikasi adalah
kenyataan bahwa kemiripan atau perbedaan antara pola satu dengan pola-pola yang
lain dapat telah terkuantisasi dapat diukur nilai kemiripannya. Maka pengukuran
kemiripan atau ketidakmiripan merupakan suatu dasar dalam tugas-tugas klasifikasi
dan pengenalan. Salah satu ukuran kemiripan adalah dengan menentukan metrik
jarak.
Ada beberapa metrik jarak yang cukup popular dan sering digunakan dalam
sistem pengenalan pola yaitu: Manhattan, Euclidean, Canberra, dll.
Jika x dan y adalah dua vector ciri d-dimensi (x = referensi/template, y =
uji/test) maka metrik jarak dapat didefinisikan:
1. Metrik L1 (Manhattan)
(, ) = =1| |
2. Metrik L2 (Euclidean)

(, ) = =1( )2
3. Canbera:
| |
(, ) = =1 | |+| |

Contoh Kasus:
Suatu Sistem pengenalan akan dilakukan klasifikasi dengan mengukur kemiripan
suatu pola citra. Adapun citra referensi terdiri dari dua kelas yaitu rice dan
cameraman, dan beberapa citra yang tercampur noise, untuk pengujian
kemiripannya sebagai berikut:
 a) Gb. Cameraman b) Gb. Cameraman ber-noise

c) Gb. Rice d) Rice ber-noise

Gambar 1 Gambar asli dan bernoise

C. ALAT DA BAHAN
1. Komputer
2. Matlab 2008b

D. HASIL DAN PEMBAHASAN

1. Pembuatan fungsi dmanhattan.m
Dibuat fungsi dmanhattan.m yang didalamnya dituliskan persamaan
dari metode manhattan untuk menghitung jarak :

Gambar 4.1.1 Program dmanhattan.m

 Fungsi ini dituliskan kedalam tiga baris program, baris pertama
merupakan penulisan untuk input dan output variable dengan d sebagai
variable output dan x serta y adalah variable input. Sedangkan dmanhattan
sendiri adalah nama file yang sekaligus sebagai nama fungsi untuk
dipanggil saat nanti akan diperlukan. Berlanjut ke baris berikutnya pada
baris kedua adalah persamaannya atau bagian perhitungannya dari metode
manhattan itu sendiri. Kemudian baris terakhir adalah penutup dari fungsi
yang dibuat.

2. Menuliskan program fungsi kenalcitra.m

Merujuk ke percobaan sebelumnya, dengan menggunakan fungsi
yang sudah dibuat yaitu dmanhattan.m dilakukan penulisan program atau
fungsi baru yang menerapkan pengklasifikasian pola sehingga dapat
mengenali citra yang diuji.

Gambar 4.2.1 program kenalcitra.m

 Program fungsi kenalcitra.m secara keseluruhan merupakan listing
program yang didalamnya terbagi dalam tiga bagian atau tiga sub program
dengan terdiri dari pengolangan citra template, pengujian citra dengan
metode manhattan, dan yang terakhir pemutusan dengan membandingkan
hasil uji yang diperoleh. Berikut ini hasil yang didapatkan setelah program
kenalcitra.m dieksekusi.

Gambar 4.2.2 hasil fungsi kenalcitra.m

3. Modifikasi program untuk kasus citra makro dan mikro struktur

a. makros

Merujuk ke percobaan sebelumnya, dengan menggunakan fungsi

yang sudah dibuat yaitu kenalcitra.m dilakukan beberapa modifikasi
menjadi seperti pada Gambar 4.3.1 berikut ini.
 Gambar 4.3.1 Modifikasi kenalcitra.m untuk makros

Modifikasi yang terjadi yaitu pada beberapa baris yang di antaranya

pada baris-baris : (5-8),(14-15),(24) dan (26). Maka dari modifikasi tersebut
didapatkan hasil seperti pada Gambar 4.3.2 di bawah ini. Diperoleh hasil
dengan mengklasifikasikan citra yang diujikan sebagai citra makros.

Gambar 4.3.2 hasil klasifikasi citra makros 2.jpg

 Selain itu dilakukan pula pengujian pada citra makros 3.jpg dan
4.jpg untuk memastikan kemampuan klasifikasinya. Berikut pengubahan
listing program yang dilakukan.

Gambar 4.3.3 listing kenalcitra.m untuk citra makro 3.jpg

Gambar 4.3.4 listing kenalcitra.m untuk citra makro 4.jpg

Berdasarkan perubahan pada baris ke empatbelas di atas maka
diperoleh hasil klasifikasi seperti gambar hasil di bawah ini.

Gambar 4.3.5 hasil untuk klasifikasi citra makros 3.jpg

Gambar 4.3.6 hasil untuk klasifikasi citra makros 4.jpg

b. mikros

Merujuk ke percobaan sebelumnya, dengan menggunakan fungsi

yang sudah dibuat yaitu kenalcitra.m dilakukan beberapa modifikasi
menjadi seperti pada Gambar 4.3.7 berikut ini.

Gambar 4.3.7 Modifikasi kenalcitra.m untuk mikros

Modifikasi yang terjadi yaitu pada beberapa baris yang di antaranya
pada baris-baris : (5-8),(14-15),(24) dan (26). Maka dari modifikasi tersebut
didapatkan hasil seperti pada Gambar 4.3.8 di bawah ini. Diperoleh hasil
dengan mengklasifikasikan citra yang diujikan sebagai citra mikros.

Gambar 4.3.8 hasil klasifikasi citra mikros 2.jpg

 Selain itu dilakukan pula pengujian pada citra mikros 3.jpg dan 4.jpg
untuk memastikan kemampuan klasifikasinya. Berikut pengubahan listing
program yang dilakukan.

Gambar 4.3.9 listing kenalcitra.m untuk citra mikro 3.jpg

Gambar 4.3.10 listing kenalcitra.m untuk citra mikro 4.jpg

Berdasarkan perubahan pada baris ke empatbelas di atas maka
diperoleh hasil klasifikasi seperti gambar hasil di bawah ini.

Gambar 4.3.11 hasil untuk klasifikasi citra mikros 3.jpg

Gambar 4.3.12 hasil untuk klasifikasi citra mikros 4.jpg

E. TUGAS
Pada penugasan, dilakukan pengklasifikasian citra menggunakan
metode euclidean dengan cara pengujian yang serupa seperti pada
percobaan untuk mode manhattan.

Gambar 4.4.1 Program deuclidean.m

Apabila merujuk pada fungsi manhattan maka hanya perlu dirubah
nama fungsi dan tentu saja persamaannya, sedangkan variabelnya tetap
sama, karena fungsi ini juga akan dipanggil pada fungsi kenalcitra.m
menggantikan fungsi manhattan.
a. makros
Merujuk ke percobaan sebelumnya, dengan menggunakan fungsi
yang sudah dibuat yaitu kenalcitra.m dilakukan beberapa modifikasi
menjadi seperti pada Gambar 4.4.2 berikut ini.
 Gambar 4.4.2 Modifikasi kenalcitra.m untuk deuclidean makros

Modifikasi yang terjadi yaitu pada beberapa baris yang di antaranya

pada baris-baris : (19-20). Maka dari modifikasi tersebut didapatkan hasil
seperti pada Gambar 4.4.3 di bawah ini. Diperoleh hasil dengan
mengklasifikasikan citra yang diujikan sebagai citra makros.

Gambar 4.4.3 hasil klasifikasi metode euclidean citra makros 2.jpg

 Selain itu dilakukan pula pengujian pada citra makros 3.jpg dan
4.jpg untuk memastikan kemampuan klasifikasinya. Berikut pengubahan
listing program yang dilakukan.

Gambar 4.4.4 kenalcitra.m metode euclidean untuk citra makro 3.jpg

Gambar 4.4.5 kenalcitra.m metode euclidean untuk citra makro 4.jpg

Berdasarkan perubahan pada baris ke empatbelas di atas maka
diperoleh hasil klasifikasi seperti gambar hasil di bawah ini.

Gambar 4.4.6 hasil untuk klasifikasi metode euclidean citra makros 3.jpg

Gambar 4.4.7 hasil untuk klasifikasi metode euclidean citra makros 4.jpg
b. mikros

Merujuk ke percobaan sebelumnya, dengan menggunakan fungsi

yang sudah dibuat yaitu kenalcitra.m dilakukan beberapa modifikasi
menjadi seperti pada Gambar 4.4.8 berikut ini.

Gambar 4.4.8 Modifikasi kenalcitra.m untuk mikro metode euclidean

Modifikasi yang terjadi yaitu pada beberapa baris yang di antaranya
pada baris-baris : (5-8),(14-15),(24) dan (26). Maka dari modifikasi tersebut
didapatkan hasil seperti pada Gambar 4.4.9 di bawah ini. Diperoleh hasil
dengan mengklasifikasikan citra yang diujikan sebagai citra mikros.

Gambar 4.4.9 hasil klasifikasi citra mikros 2.jpg

 Selain itu dilakukan pula pengujian pada citra mikros 3.jpg dan 4.jpg
untuk memastikan kemampuan klasifikasinya. Berikut pengubahan listing
program yang dilakukan.

Gambar 4.4.10 kenalcitra.m metode euclidean untuk citra mikro 3.jpg

Gambar 4.4.11 kenalcitra.m metode euclidean untuk citra mikro 4.jpg

Berdasarkan perubahan pada baris ke empatbelas di atas maka
diperoleh hasil klasifikasi seperti gambar hasil di bawah ini.

Gambar 4.4.12 hasil untuk klasifikasi citra mikros 3.jpg

Gambar 4.4.13 hasil untuk klasifikasi citra mikros 4.jpg

F. KESIMPULAN
1. Terdapat beberapa metode klasifikasi dengan memanfaatkan jarak yaitu
manhattan, euclidean, canberra, dll.
2. Berdasarkan percobaan yang dilakukan untuk klasifikasi menggunakan
metode jarak, bahwa setiap metode (manhattan maupun euclidean) mampu
menentukan citra ke dalam suatu kelas secara tepat.

G. REFERENSI

Fadlil, A. (2016) Petunjuk Praktikum Teknik Klasifikasi & Pengenalan Pola,

Yogyakarta: Universitas Ahmad Dahlan.