PROPOSAL SKRIPSI
Oleh:
Nafianta Budi Purnomo Nim.1541180096
PROPOSAL SKRIPSI
Digunakan Sebagai Syarat Maju Ujian Diploma IV
Politeknik Negeri Malang
Oleh:
Nafianta Budi Purnomo Nim.1541180096
Disusun oleh:
NAFIANTA BUDI PURNOMO NIM.1541180096
2. Penguji II :
NIP.
4. Pembimbing II :
NIP.
Mengetahui,
ii
DAFTAR ISI
PROPOSAL SKRIPSI ............................................................................................ 1
HALAMAN PENGESAHAN ................................................................................. ii
DAFTAR ISI .......................................................................................................... iii
1. Latar Belakang................................................................................................. 4
2. Rumusan Masalah............................................................................................ 5
3. Batasan Masalah .............................................................................................. 5
4. Tujuan .............................................................................................................. 5
5. Tinjauan Pustaka.............................................................................................. 5
5.1. Image Processing .....................................................................................6
5.2 Gray Level Co-Occurrence Matrix (GLCM) ...........................................6
5.3 Hue Saturation Intensity (HSI) ................................................................7
5.3.1 Hue........................................................................................................8
5.3.2 Saturasi .................................................................................................8
5.3.3 Intensity ................................................................................................9
5.3.4 Transformasi RGB ke HSI ...................................................................9
5.4 Probabilistic Neural Network (PNN) ....................................................10
5.5 Open CV (Open Source Computer Vision Library) ..............................10
6. Metodologi Penelitian.................................................................................... 11
6.1. Metode Pengumpulan Data ...................................................................11
6.2. Metode Pengembangan..........................................................................11
6.3. Diagram Alur Sistem ..........................................................................12
7. Relevansi ....................................................................................................... 13
8. Sistematika Penulisan .................................................................................... 13
9. Jadwal Kegitan .............................................................................................. 15
DAFTAR PUSTAKA ........................................................................................... 16
iii
1. Latar Belakang
Pisang (Musa sp) adalah salah satu tanaman tropis yang banyak di
budidayakan di Indonesia. Banyak jenis pisang yang di budidayakan di
Indonesia, salah satunya adalah pisang candi, Pisang yang memiliki karakter
memiliki Panjang buah rata rata 20 cm dan berwarna kuning saat matang.
Pisang candi merupakan buah yang dijadikan produk olahan terlebih dahulu
sebelum di konsumsi.
Pisang Candi yang dijual oleh pedagang khususnya agen dipanen dalam
keadaan Mentah, hal ini di sebabkan untuk mengantisipasi kebusukan saat
proses distribusi dan penjualan karena Pisang candi hanya memiliki ketahanan
buah yang singkat sekitar 8 hari setelah matang.[1] Dan para pengolah pisang
tersebut hanya mengandalkan Indra Visual mereka untuk mengetahui
kematangan pisang dan memprediksi kematangan pisang itu secara manual.
Hal ini menyebabkan tidak konsistennya hasil dari suatu identifikasi dan
prediksi kematangan pisang tersebut, dan mengakibatkan menurunnya suatu
produk olahan pisang tersebut hinggal gagalnya suatu produksi.
4
memberikan output berupa tingakat kematangan pisang dan berapa hari lagi
pisang itu matang dan disiap diolah.
2. Rumusan Masalah
Berdasarkan latar belakang diatas, maka dapat dirumuskan masalah sebagai
berikut:
Bagaimana cara mengidentifikasi dan memprediksi kematangan dari pisang
candi menggunakan aplikasi?
3. Batasan Masalah
Batasan Masalah yang diangkat dalam proposal ini dapat dipaparkan
sebagai berikut:
1. Input data berupa gambar pisang candi
2. Metode yang digunakan adalah Transformasi warna HIS dan GLCM
untuk ekstraksi feature dari pisang.
3. Metode yang digunakan adalah Probabilistic Neural Network untuk
mengidentifikasi dan memprediksi kematangan pisang candi
4. Tujuan
Tujuan Pembuatan sistem ini adalah:
Membuat suatu sistem aplikasi yang dapat mengidentifikasi dan
memprediksi kematangan pisang candi dengan memanfaatkan teknologi citra
digital sebagai alat bagi pengelola pisang candi dan penjual pisang candi.
5. Tinjauan Pustaka
Tinjauan pustaka merupakan bagian yang akan membahas tentang
penyelesaian masalah yang akan memberikan jalan keluarnya. Dalam hal ini
akan dikemukakan beberapa teori-teori yang berkaitan dengan masalah.
5
5.1. Image Processing
Pengolahan citra atau image processing merupakan bentuk pengolahan
sinyal yang masukannya berupa gambar, sedangkan keluaran dari pengolahan
gambar dapat berupa gambar atau sejumlah karakteristik yang berkaitan dengan
gambar. Citra adalah gambar 2 dimensi yang dihasilkan dari gambar analog dua
dimensi yang kontinu menjadi gambar diskrit melalui proses sampling. Pada
proses sampling biasanya dicari warna rata-rata dari gambar analog yang
kemudian dibulatkan
Tujuan dari pengolahan citra antara lain dapat memperbaiki kualitas
gambar dilihat dari aspek radiometrik (peningkatan kontras, transformasi
warna, restorasi citra) dan dari aspek geometrik (rotasi, translasi, skala,
transformasi geometrik). Selain itu juga pengolahan citra dilakukan untuk
proses penarikan informasi atau deskripsi objek atau pengenalan objek yang
terkandung pada citra
No Feature Formula
1 Contras Σ 𝑘2 𝑘 [Σ𝑖 Σ𝑗 𝑝(𝑖, 𝑗)]
6
(i−μi)(j−μj)P(i,j)
2 Correlation Σ 𝑖,𝑗 σiσj
Dengan P(i,j) merupakan elemen baris ke-i, kolom ke-j dari occurance
matrix. 𝜇𝑖 adalah nilai rata-rata baris ke-I dan 𝜇𝑗 adalah nilai rata-rata kolom
ke-j pada matrix P. 𝜎𝑖 adalah standar deviasi baris ke-i dan 𝜎𝑗 adalah standar
deviasi kolom ke-j pada matriks P. Contrast menunjukkan ukuran penyebaran
elemenelemen matriks citra. Contrast akan memberikan nilai maksimum
apabila suatu gambar grayscale memiliki penyebaran piksel warna yang tinggi.
Correlation menunjukkan ukuran hubungan linear dari nilai graylevel piksel
ketetanggaan. Energy menunjukkan tingkat keseragaman piksel-piksel suatu
citra. Semakin tinggi nilai energy, maka semakin seragam teksturnya.
Homogenity menunjukkan ukuran kedekatan setiap elemen dari co-occurrence
matrix.
7
Gambar 5. 1 Representasi model HSI
I = (R+G+B)/3
S = 1-3*min(r,g,b)
5.3.1 Hue
Semua titik pada bidang yang dibatasi oleh titik black, white dan
warna, memiliki hue yang sama.
5.3.2 Saturasi
Saturasi adalah jarak terdekat antara titik titik warna dengan sumbu
intensitas, saturasi terbentuk dari bidang warna tegak lursu dengan sumbu
intensitas dan memiliki hue yang sama.
8
5.3.3 Intensity
Intensity adalah garis yang menghubungkan titik hitan dan titik
hitam, titik – titik dari garis intensity membentu garis skala abu - abu
Hasil dari perhitungan didapati sebagai berikut, nilai H yang didapatkan dari
seleksi kondisi jika nilai B>G maka H = 360 – Ө, jika B<= G maka H= Ө.
Dan normalisasi rentan nilai Hue menjadi [0,1].Pada proses mencari nilai
Saturasi, rumus Saturasi didefinisikan sebagai berikut.
S = 1-3*min(r,g,b)
Dari perhitungan tersebut nilai saturasi memiliki reantan nilai [0,1]. Pada
proses pencarian nilai Intensity rumus yang digunakan adalah
I = (R+G+B)/3
Dari perhitungan tersebut rentan nilai dari Intensity adalah [0.255]. dari
tahapan perhitungan tesebut maka didapatkan transformasi nilai HUE
sebagai disajikan pada table 5.2 berikut.
9
Normalisasi
Pixel R G B H S I
r g b
2,0 100 150 200 0.222 0.333 0.444 0.9927280 0.33 150
2,2 100 200 150 0.222 0.444 0.333 0.0072720 0.33 150
10
Perpustakaan adalah cross-platform. Ini terutama berfokus pada pemrosesan
gambar real-time[6].
6. Metodologi Penelitian
Dalam metode penelitian ini akan menjelaskan langkah-langkah yang
dilakukan untuk merancang sistem identifikasi jumlah kendaraan sebagai
berikut:
11
paralel. Waterfall dianggap pendekatan yang lebih cocok digunakan untuk
proyek pembuatan sistem baru. Tetapi salah satu kelemahan paling dasar adalah
menyamakan pengembangan perangkat keras dengan perangkat lunak dengan
meniadakan perubahan saat pengembangan. Padahal, galat diketahui saat
perangkat lunak dijalankan, dan perubahan-perubahan akan sering terjadi.
Pada pembuatan ini struktur kerja yang akan diterapkan pada sistem
inimenggunakan konsep dan alur dari Software Development Life Cycle (SDLC)
Model Waterfall dan akan di jabarkan pada setiap point sesuai dengan
pekerjaanyang harus dikerjakan saat pembuatan sistem ini. Berikut merupakan
Pada gambar diagram alur sistem diatas, dapat dijelaskan bahwa untuk
langkah pertama adalah input citra berupa gambar pisang yang akan diolah.
12
Lalu langkah selanjutnya adalah ekstraksi nilai RGB dari citra tersebut, dari
data nilai tersebut diolah kembali untuk ekstraksi warna serta teksture, ekstraksi
warna menggunakan transformasi warna Hue Saturation Intensity dan ekstraksi
texture menggunakan metode Gray Level Co-Occurrence Matrix setelah itu
akan didapatkan feature dari pisang tersebut, lalu data dari feature pisang
tersebut diklasifikasikan menggunakan metode Probabilistic Neural Network
(PNN). Setelah proses klasifikasi tersebut akan didapatkan keluaran berupa
hasil kematangan pisang yang diklasifikasikan menjadi matang, setengah
matang, atau mentah dan prediksi berapa hari pisang tersebut akan matang.
7. Relevansi
Relevansi merupakan hubungan antara pembuatan aplikasi yang dikerjakan
dengan bidang ilmu yang dikerjakan dengan bidang ilmu yang telah didapatkan.
Pada bagian ini diuraikan kontribusi dari hasil tugas akhir kepada bidang ilmu
pengetahuan dan teknologi. Berbeda pada jurnal sebelumnya yang berjudal
“Klasifikasi Tahap Kematangan Pisang Ambon Berdasarkan Warna
Menggunakan Naive Bayes” penulis hanya fokus terhadap feature warna RGB
dan menggunakan metode Naïve Bayes untuk mengklasifikasikan tingkat
kematangan pada pisang. Maka dari itu, pada penelitian ini penulis
menambahkan feature baru yaitu teksture sebagai variabel baru untuk
mengklasifikasikan tingkat kematangan Pisang.
8. Sistematika Penulisan
Uraian dalam laporan Skripsi penulis menyusun dengan Sistematika
penulisan sebagai berikut:
BAB II : Landasan teori berisikan tentang tinjauan pustaka dari aplikasi yang
penulis buat.
13
metode pengambilan data, metode pengembangan sistem, fase-fase
pengembangan sistem.
14
9. Jadwal Kegitan
15
DAFTAR PUSTAKA
16
17