Artikel Skripsi

Universitas Nusantara PGRI Kediri

KLASIFIKASI BUNGA EUPHORBIA BERDASARKAN KELOPAK

DENGAN METODE PRINCIPAL COMPONENT ANALYSIS (PCA)

SKRIPSI
Diajukan Untuk Memenuhi Sebagai Syarat Guna Memperoleh Gelar Sarjana
Komputer (S.Kom.) Pada Program Studi
Teknik Informatika Fakultas Teknik
UNP Kediri

Oleh :

OKI MEKARSARI
11.1.03.02.0281

PROGRAM STUDI TEKNIK INFORMATIKA

FAKULTAS TEKNIK
UNIVERSITAS NUSANTARA PGRI KEDIRI
2016

Oki Mekarsari | 11.1.03.02.0281 simki.unpkediri.ac.id

Fakultas Teknik – Program Studi Teknik Informatika
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

Oki Mekarsari | 11.1.03.02.0281 simki.unpkediri.ac.id

Fakultas Teknik – Program Studi Teknik Informatika
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

Oki Mekarsari | 11.1.03.02.0281 simki.unpkediri.ac.id

Fakultas Teknik – Program Studi Teknik Informatika
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

KLASIFIKASI BUNGA EUPHORBIA BERDASARKAN KELOPAK

DENGAN METODE PRINCIPAL COMPONENT ANALYSIS (PCA)
Oki Mekarsari

11.1.03.02.0281

Teknik – Teknik Informatika

Okisari3@gmail.com

Dra. Budhi Utami, M.Pd dan Rianto, S.Kom

UNIVERSITAS NUSANTARA PGRI KEDIRI

ABSTRAK

Oki Mekarsari : Klasifikasi Bunga Euphorbia Berdasarkan Kelopak Dengan Metode Principal
Component Analysis, Skripsi, Teknik Informatika, Teknik Universitas Nusantara PGRI Kediri, 2016.

Penelitian ini dilatar belakangi dari hasil pengamatan dan pengalaman peneliti, bahwa bunga
Euphorbia adalah salah satu jenis tanaman yang digemari semua orang untuk menghiasi dan
memperindah halaman rumah mereka. Bunga Euphorbia memiliki banyak jenisnya, akan tetapi
masyarakat banyak yang belum mengetahui tentang jenis bunga Euphorbia tersebut. Mereka hanya
mengetahui sekedar namanya saja bukan jenis bunga Euphorbia tersebut.
Permasalahan penelitiann ini adalah (1) Bagaimana merancang dan membangun aplikasi
klasifikasi bunga Euphorbia berdasarkan kelopak bunga tersebut?(2) Bagaimana gambar bunga dapat
dijadikan inputan untuk pengklasifikasian bunga tersebut?(3) Bagaimana menerapkan metode PCA ke
dalam pembuatan aplikasi klasifikasi bunga Euphorbia berdasarkan kelopak bunga?(4) Bagaimana
mencari nilai antara data training dan testing menggunakan Euclidean Distance?.

Penelitian ini menggunakan metode Principal Component Analysis (PCA) dengan objek
penelitian bunga Euphorbia. Bunga Euphorbia yang digunakan adalah bunga Euphorbia Milli
splendens, Euphorbia milli ch. des moulins, dan Euphorbia pulcherrima. Citra kelopak bunga
Euphorbia akan dilakukan tahap pre-processing yang meliputi grayscale dan thresholding, kemudian
diproses dengan metode PCA dan pengenalannya menggunakan euclidean distance.
Penelitian dilaksanakan sesuai dengan jadwal penelitian yang sudah dibuat yaitu persiapan,
observasi, wawancara, perancangan, desaian sistem, pengkodingan, implementasi aplikasi,maintance
aplikasi. Kesimpulan dari penelitian ini adalah (1) metode PCA (Principal Component Analysis) telah
berhasil untuk mengklasifikasikan macam-macam bunga Euphorbia. (2)PCA (Principal Component
Analysis) memproyeksikan citra dari vektor yang berdimensi tinggi ke vektor yang mempunyai
dimensi yang lebih rendah kemudian dicari nilai eigen vektor dan eigen value untuk melakukan
ekstraksi ciri. (3) Euclidean Distance memperoleh nilai kedekatan antara data training dengan data
testing yang akan digunakan untuk pengklasifikasian.(4) Prosentase akurasi yang didapat mencapai
90%, Besarnya tingkat akurasi dipengaruhi oleh banyaknya jumlah data training yang digunakan.

Kata kunci: klasifikasi, bunga Euphorbia, Principal Component Analysis.

Oki Mekarsari | 11.1.03.02.0281 simki.unpkediri.ac.id

Fakultas Teknik – Program Studi Teknik Informatika
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

I. LATAR BELAKANG bunga Euphorbia. Mereka hanya

Bunga adalah salah satu jenis mengetahui sekedar namanya bukan
tanaman yang digemari semua orang, jenis dari bunga tersebut. Oleh karena
karena bisa digunakan untuk itu diperlukan aplikasi untuk
memperindah halaman rumah mengklasifikasikan jenis bunga
mereka. Masyarakat baik di pedesaan Euphorbia berdasarkan kelopaknya,
maupun di perkotaan mempunyai untuk membedakan dan mengenali
kecenderungan untuk tinggal di jenis-jenis bunga Euphorbia.
lingkungan yang nyaman, segar dan Sekilas tentang metode yang saya
indah. Keadaan ini dapat tercipta gunakan untuk penelitian ini adalah
dengan menanam bunga di sekitar metode Principal Component
rumah dan lingkungan tempat tinggal Analysis (PCA). Metode PCA
mereka. Salah satu bunga tersebut merupakan teknik linier untuk
adalah bunga Euphorbia. Euphorbia memproyeksikan data vektor yang
adalah merupakan salah satu keluarga berdimensi tinggi ke vektor yang
Euphorbiaceace yang tumbuh mempunyai dimensi lebih rendah
tersebar di daerah tropis. Tanaman (Turk, 1991). PCA lebih banyak
yang menyerupai kaktus ini sangat digunakan untuk keperluan ekstraksi
menyukai sinar matahari sehingga fitur citra, dimana jumlah dimensi
akan menampilkan bunga yang dari citra jauh lebih besar dibanding
semarak jika mendapatkan banyak jumlah data sampel yang digunakan,
sinar matahari. Penanaman bunga ini untuk melakukan proyeksi sampel
juga sangat mudah, karena bisa hidup vektor dari citra pelatihan, setiap citra
di berbagai musim. pelatihan disusun dalam bentuk
Perkembangan teknologi pada vektor baris.
zaman sekarang ini sangat pesat, II. PRINCIPAL COMPONENT
dengan perkembangan teknologi ANALYSIS
tersebut muncul berbagai aplikasi Menurut Soemartini (2008: 12),
canggih yang dapat membantu definisi metode Principal
memudahkan pekerjaan manusia. Component Analysis sebagai berikut:
Bunga Euphorbia banyak jenisnya, Principal Component Analysis
sedangkan masyarakat banyak yang (PCA) atau disebut juga transformasi
belum mengetahui jenis-jenis dari Karhunen-Loeve adalah teknik yang

Oki Mekarsari | 11.1.03.02.0281 simki.unpkediri.ac.id

Fakultas Teknik – Program Studi Teknik Informatika
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

digunakan untuk menyederhanakan citra dan m adalah jumlah data yang

suatu data, dengan cara dilatih. Setelah itu menghitung nilai
mentransformasi linear sehingga rata-rata seluruh data sampel. Karena
terbentuk sistem koordinat baru jumlah parameter (dimensi) sejumlah
dengan variansi maksimum. n, maka nilai array rata-rata seluruh
Definisi diatas senada dengan data adalah (µ1, µ2, µ3,........., µn).
penjelasan yang diutarakan Hery Rata-rata nol (Zero mean) dapat
Purnomo, Mauridhi dan Muntasa, dihitung dengan mengurangkan nilai
Arif (2010:192) sebagai berikut : masing-masing data sampel dengan
PCA merupakan teknik linier rata-rata data seluruh sampel. Jika
untuk memproyeksikan data vektor obyek yang diteliti mempunyai
yang berdimensi tinggi ke vektor dimensi yang tidak sama antara data
yang mempunyai dimensi lebih sampel (mxn) dan data rata-rata
rendah (Turk, 1991). PCA lebih seluruh data sampel (1xn), maka
banyak digunakan untuk keperluan perlu disamakan dengan
ekstraksi fitur citra, dimana jumlah menggandakan rata-rata sebanyak m.
dimensi dari citra jauh lebih besar Sehingga rata-rata seluruh data
dibanding jumlah data sampel yang sampel mempunyai dimensi mxn.
digunakan, untuk melakukan Rata-rata seluruh citra dapat
proyeksi sampel vektor dari citra dihitung dengan persamaan:
pelatihan, setiap citra pelatihan
1
disusun dalam bentuk vektor baris. =
Jika jumlah data pelatihan adalah
sebanyak m, maka dimensi Keterangan :

vektornya adalah mxn. M = Rata-rata dari setiap data

Apabila vektor citra pelatihan m = Jumlah dari sampel

mempunyai dimensi mxn Di = Dimensi data ke i

diortogonlisasi dengan menggunakan Selisih setiap data dengan nilai

eigenvector dan eigenvalue, maka rata-ratanya dapat dipresentasikan

dimensi akan berubah mxm. dengan:

Sebelum melakukan klasifikasi, perlu = −

dilakukan penyeleksian eigenface. Keterangan :

Jika n>>m, n merupakan dimensi Ni = matrik data ke i
Oki Mekarsari | 11.1.03.02.0281 simki.unpkediri.ac.id
Fakultas Teknik – Program Studi Teknik Informatika
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

Di = Dimensi data ke i euphorbia tersebut adalah

M = Rata-rata dari setiap data sebagai berikut :
Dari matrik N, matrik covarian Tampilan Form Utama
dapat dihitung untuk kemudian akan
digunakan untuk menghitung
eigenvector dan eigenvalue.
Persamaan yang digunakan untuk
menghitung matrik covarian :

= ^

Keterangan :
A = matrik covarian Keterangan dari gambar tersebut
T
Y = matrik transpose adalah sebagai berikut :
Y = matrik
a. Menu
Selanjutnya menghitung
Berisi 2 pilihan menu yaitu
eigenvalue (E) dan eigenvector
menu data training dan menu
(V) dari matrik covarian
data testing.
tersebut. Kemudian dilakukan
b. Keluar
pengurutan nilai eigen dari
Berfungsi untuk keluar dari
yang paling besar dan
aplikasi.
disesuaikan dengan eigenvektor
secara descending. Setelah itu
2. Tampilan data training
dicari nilai komponen utama
Tampilan data training dari aplikasi
(PCA) yaitu dengan persamaan
klasifikasi bunga euphorbia
sebagai berikut:
derdasarkan kelopak sebagai
=
berikut :

III. HASIL DAN KESIMPULAN

1. Hasil
1. Tampilan utama program
Tampilan utama dari aplikasi
klasifikasi kelopak bunga

Oki Mekarsari | 11.1.03.02.0281 simki.unpkediri.ac.id

Fakultas Teknik – Program Studi Teknik Informatika
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

Berikut merupakan proses dari data

training :
a. Pertama kita jalan kan program
b. Kemudian pilih menu data
training
c. Pilih folder penyimpanan
gambar pada directory list box.
Setelah itu akan muncul nama-
nama file pada kotak file list
Tampilan Form Training box.
d. Masukkan nilai threshold
Keterangan dari ganbar diatas adalah minimal dan nilai threshold
sebagai berikut : maksimal kemudian klik
tombol get data untuk
a. Image preview citra menghitung nilai threshold.
Berfungsi untuk menampilkan e. Kemudian pilih nilai reduksi
gambar yang akan diproses. dimensi, setelah itu klik tombol
b. Tombol get data proses PCA untuk memproses
Berfungsi untuk menghitung gambar.
nilai threshold gambar yang f. Proses training selesai
akan diproses. 3. Tampilan data testing
c. Tombol proses PCA Berikut adalah tampilan dari form
Berfungsi untuk memproses data testing :
gambar yang diinputkan setelah
dihitung nilai thresholdnya.
d. Directory list box dan file list
box
Directory list box berfungsi
untuk menampilkan folder
dimana citra disimpan,
sedangkan file list box
menampilkan nama file yang Tampilan form data testing
disimpan di dalam folder.

Oki Mekarsari | 11.1.03.02.0281 simki.unpkediri.ac.id

Fakultas Teknik – Program Studi Teknik Informatika
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

Keterangan dari gambar diatas

adalah sebagai berikut : 2. Kesimpulan
Setelah dilakukan analisis,
a. Image privew citra
perancangan dan implementasi
Berfungsi menampilkan gambar
dapat disimpulkan bahwa:
dari citra yang dipilih.
1. Metode PCA dapat digunakan
b. Directory list box dan file list
untuk mengklasifikasikan
box
bunga Euphorbia berdasarkan
Directory list box berfungsi
kelopaknya dan telah berhasil
untuk menampilkan folder
dibuat dan di uji cobakan.
dimana citra disimpan,
2. Implementasi metode PCA dan
sedangkan file list box
euclidean distance dapat
menampilkan nama file yang
menunjukkan hasil pengenalan
disimpan di dalam folder.
dari masing-masing kelopak
c. Tombol testing
bunga euphorbia. Dan
Berfungsi untuk mengeksekusi
prosentase akurasi yang
gambar yang dipilih.
didapat adalah 90% dengan
d. Hasil klasifikasi
perbandingan data training dan
Berfungsi untuk menampilkan hasil
data testing 90:20, prosentse
klasifikasi dari citra yang telah
80% dengan perbandingan data
diuji.
training dan data testing 75:25,
Berikut ini merupakan proses testing :
prosentase 70% dengan
a. Pilih menu data testing pada
perbandingan data training dan
tampilan utama.
data testing 60:30, prosentase
b. Kemudian pilih folder
60% dengan perbandingan data
penyimpanan gambar pada
training dan data testing 45:35,
directory list box. Setelah itu akan
prosentase 50% dengan
muncul nama-nama file pada
perbandingan data training
kotak file list box, pilih salah satu
dan data testing 30:40. Dari hal
gambar yang akan diuji.
diatas dapat disimpulkan
c. Setelah gambar tersebut muncul
bahwa besarnya tingkat akurasi
pilih tombol testing untuk
dipengaruhi oleh banyaknya
melakukan pengenalan.
data training yang digunakan.
d. Proses testing selesai.
Oki Mekarsari | 11.1.03.02.0281 simki.unpkediri.ac.id
Fakultas Teknik – Program Studi Teknik Informatika
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

3. Penerapan perangkat lunak Ekstraksi Fitur.Yogyakarta:

pendukung Delphi7 dan citra Graha Ilmu.
objek dengan dimensi ukuran [5] Istiqlalia Risma Kumala.
piksel 100x100 untuk di Budidaya Tanaman Hias
implementasikan dengan Euphorbia (Euphorbia Milli).
metode PCA dan penggunaan 2010. Surakarta: Universitas
euclidean distance yang Sebelas Maret.
digunakan untuk pencocokan [6] Nugroho Whidhiasih, Retno, Adi
dapat berjalan dengan baik dan Wahanani, Nursinta dan
mendapatkan hasil yang Supriyanto. 2013. Klasifikasi
maksimal. Buah Belimbing Berdasarkan
Citra Red-Green-Blue
IV. DAFTAR PUSTAKA Menggunakan KNN dan LDA.
[1] Ardiansyah, Riza Firdaus. 2013. Jurnal Penelitian Ilmu
Pengenalan Pola Tanda Tangan Komputer, System Embedded &
Dengan Menggunakan Metode Logic. Bogor.
Principal Component Analysis [7] Mupeng aja. Mengenal Bunga
(Pca). Semarang : Universitas Euphorbia.
Dian Nuswantoro. http://ragambudidaya.blogspot.c
[2] Bunga Euphorbia (Bunga om/2013/03/mengenal-bunga-
Delapan Dewa). euphorbia.html ( diunduh
http://faktasekitarkita.blogspot.c tanggal 28 Oktober 2014)
om/2012/04/bunga- [8] Purwanto, A. W. 2006.
euphorbia.html (diunduh tanggal Euphorbia Tampil Prima dan
28 Oktober 2014) Semarak Berbunga. Kanius.
[3] Grayscale Image Yogyakarta.
http://dendieisme.blogspot.com/ [9] Soemartini. 2008. Principal
2011/03/matlab-grayscale- Component Analysis (PCA)
image.html (diunduh tanggal 28 Sebagai Salah Satu Metode
Oktober 2014) Untuk Mengatasi Masalah
[4] Hery Purnomo, Mauridhi dan Multikolinearitas. Bandung :
Muntasa, Arif. 2010. Konsep Universitas Padjajaran.
Pengolahan Citra Digital dan

Oki Mekarsari | 11.1.03.02.0281 simki.unpkediri.ac.id

Fakultas Teknik – Program Studi Teknik Informatika
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

[10] Utami, Ema dan Wulaningrum, Identifikasi Citra Tanda Tangan.

Resty. 2014. Penggunaan Yogyakarta : STIMIK
Principal Component Analysis AMIKOM
dan Euclidean Distance untuk

Oki Mekarsari | 11.1.03.02.0281 simki.unpkediri.ac.id

Fakultas Teknik – Program Studi Teknik Informatika