PENERAPAN MECHINE LEARNING DENGAN APLIKASI ORANGE DATA MINING

UNTUK MENENTUKAN JENIS BUAH PISANG

Eva Milanda1, Jena Santari2

evami.2059201064@umko.ac.id1 , jenas.2059201048@umko.ac.id2
Program studi Sistem dan Teknologi Informasi, Fakultas Teknik dan Ilmu Komputer ,
Universitas Muhammadiyah Kotabumi

Abstrak : Indonesia sangat kaya akan berbagai jenis tanaman dan buah-buahan salah satu nya
adalah buah pisang. Buah pisang sendiri memiliki berbagai jenis mulai dari pisang ambon,pisang
raja, pisang, pisang kapok, pisang tanduk dan masih banyak lagi, buah pisang juga dapat di olah
menjadi makanan yang sangat lezat. Penggunaan teknik image clustering digunakan untuk
mengetahui berbagai jenis buah pisang dengan input file image buah pisang. Aplikasi orange data
mining adalah tools yang akan digunakan untuk mengetahui dan membedakan jenis- jenis buah
pisang.

Kata kunci: Mechine Learning, Data Mining. Aplikasi Orange Data Mining, Teknik Image
Clustering, Buah Pisang.
Abstrack: Indonesia is very rich in various types of plants and fruits, one of which is bananas.
Bananas themselves have various types ranging from Ambon bananas, plantains, bananas, kapok
bananas, horn bananas and many more, bananas can also be processed into very delicious food.
The use of image clustering techniques is used to determine various types of bananas by inputting
banana image files. The orange data mining application is a tool that will be used to identify and
differentiate types of bananas.
Keywords: Machine Learning, Data Mining. Orange Data Mining Application, Image Clustering
Technique, Banana Fruit.

I. PENDAHULUAN dari 246 jenis buah pisang. Buah pisang

memiliki kandungan vitamin C, vitamin
Indonesia adalah negara yang
B6, dan juga memiliki kandungan nutrisi
terletak di wilayah tropis sehingga cocok
seperti karbonhidrat (glukosa, serat
untuk pertanian dan bercocok taman.
diet)(Armiady & R, 2023). Selain dapat
Dengan curah hujan yang tinggi banyak
di konsumsi secara langung buah pisang
masyarakat Indonesia yang memiliki
juga dapat di olah menjadi makanan yang
pekerjaan sebagai petani(Arum et al.,
sangatlah lezat. Mulai dari buah yang
2021), salah satu nya bertani buah
sudah matang ataupun yang masih
pisang. Pisang sangat popoler di
mentah. Misalnya dengan membuat
kalangan masyarakat, namun banyak
keripik pisang, bolu pisang, pisang
sekali jenis buah pisang. Tehitung di
Indonesia sendiri memiliki kurang lebih
goreng, es pisang hijau dan masih II. METODE
banyak lagi olahan pisang lainya.
2.1 Tahapan Penelitian
Di Indonesia sendiri terhitung
memiliki berbagai jenis buah pisang,
misalnya pisang ambon, pisang raja,
pisang, pisang kapok, pisang tanduk dan
masih banyak lagi jenis pisang lainnya.
Namun dengan banyak nya jenis buah
pisang sering kali banyak yang kesulitan
untuk membedakan jenis bauh
pisang(Gampur et al., n.d.), kalau hanya
di lihat dengan dari segi warna, bentuk
dan tekstur sepertinya sama.
Pada penelitian ini menggunakan
algoritma K-means clustering dengan
teknik image clustering salah satu proses
data mining dengan mengelompokan
jenis-jenis buah pisang dalam file image.
Pengguanaan aplikasi orange data mining
dilakukan untuk mengetahui berbagai
jenis buah pisang(Suroyo, 2019).
Beberapa penelitian sebelumnya Gambar 1. Tahapan penelitian
yang terkait dengan jenis-jenis buah
pisang dengan menggunakan metode Berikut ini merupakan penjelasan dari
Convolutional Neural Network untuk tahapan metode penelitian di atas :
mengklasifikasikan jenis pisang a. Studi Literatur
berdasarkan dari fitur citra yaitu wanra, Pada tahapan ini adalah mencari
tekstur dan juga bentuk(Arum et al., beberapa buku atau jurnal yang
2021). Penelitian selanjutnya yaitu terkait dengan penelitian ini.
mengklasifikasi jenis buah pisang dengan b. Pengumpulan Data
metode Support vector machine (SVM) Proses pengumpulan data di
menggunakan fitur dari GLCM dan HOG lakukan secara memfoto langsung
untuk mengetahui jenis pisang dengan buah pisang dan online dengan
objek yang lebih banyak dari penelitian menggunakan bantuaan dari
sebelumnya(Khatib Sulaiman et al., google. Proses pengumpulan data
2020). berupa image berbagai jenis buah
Dengan penelitian-penelitian di pisang.
atas penelitian ini akan menggunakan c. Pemerosesan dengan Aplikasi
metode teknik image clustrting dengan orange
algoritma K-Means menggunakan tools Pada tahapan ini mulai melakukan
dari aplikasi prange data mining. Dalam pengelompokan jenis buah pisang
penelitian ini jenis pisang yang di dengan menggunakan teknik image
gunakan di batasi hanya beberapa jenis clustering pada aplikasi orange
saja. data mining.

d. Validasi dan Evaluasi
Tahapan yang terakhir yaitu
validasi dan evaluasi. Dengan
penggunaan aplikasi orange data
mining apaah dapat menghasilkan
hasil yang diinginkan.
2.2 Algoritma K-Means Clustering
Algoritma K-Means Clustering
merupakan algoritma unsupervised
dari mechine learning digunakan
untuk pengelompokan data dan
pengenalan pola. Data yang
digabungkan memiliki tingkat
kemiripan yang tinggi dan memiliki
tingkat perbedaan yang tinggi dari
kelompok lainnya(Harahap, 2019).
Ada empat metode clustering
yaitu metode Hierarchical
Agglomerative Clusturing, Fuzzy
Clustering, Hierarchical Divisive
Clustering dan Kohonen Self-
Organizing Feature Maps(Suroyo,
2019).
2.3 Machine Learning
Machine learning adalah sebuah
kecerdasan buatan (AI) yang berupa
mesin pembelajaran yang digunakan
untuk memahami dan membangun
sebuah metode yang menggunakan
data untuk meningkatkan dan
dikembankan untuk mendapatkan
informasi.
Machine learning dapat di
kelompokan menjadi tiga yaitu
Supervised Learning, Unsupervised
Learning dan Semi-Unsupervised
Reinforcement Learning(Baharudin,
2023).
2.4 Data Mining
Data Mining adalah proses
pengumpulan dan sebuah data yang
penting dalam ukuran yang besar
datu big data. Data mining sering
juga disebut dengan Knowladge
Discovery in Database (KDD)(Rifqo
& Wijaya, 2017).
Gambar 2. Tahapan Data
Mining
Tahapan data mining terbagi
menjadi beberapa tahapan sebagai
berikut :
1) Pembersihan data adalah
tahapan awal membersihkan
data-data yang salah atau tidak
relevan.
2) Integrasi data adalah
menggabungkan data-data yang
sudah di bersihkan menjadi satu
kesatuan.
3) Transformasi data yaitu
tahapan data-data yang sudah
dikumpulkan di ubah dengan
bentuk yang di sesuaikan untuk
data mining.
4) Aplikasi teknik data mining
adalah tahapan dari proses
ekstrasi pola pada data yang
sudah di ubah.
5) Evaluasi adalah tahapan
proses untuk menanalisis pola
yang di temukan dengan data
mining.
III. HASIL DAN PEMBAHASAN
Pengumpulan data image buah
pisang di ambil dengan delapan belas
sample gambar yang akan di
kelompokan pada aplikasi orange data
mining.

Gambar 5 . Widget Aplikasi

Orange 1
Tampilan widget di atas adalah
untuk menampilkan koleksi image jenis
buah pisang dan table nama
file,ukuran,lokasi lebar dan tinggi dari
image.

Gambar 3 . Koleksi image Buah Tahapan selanjutnya yaitu

pisang reperentasi untuk menampilkan angka-
angka dari koleksi image buah pisang
Gambar di atas adalah beberapa jenis menggunakan aplikasi orange data
buah pisang yang akan di kelompokan. mining.
Kemudian tahapan selanjutnya yaitu
dengan untuk menampilkan nama file,
lokasi file, ukuran file , lebar dan tinggi
file.

Gambar 6 . Widget Aplikasi

Orange 2

Gambar 4. Tampilan nama file dll

Tampilan widget dari Aplikasi Orange
data mining pada tahapan di atas adalah
sebagai berikut
Dengan gembar di atas maka
menghasilkan angka-angka seperti di
bawah ini.
Gambar 7 proses Image embedding
Pada psoses di atas di hasilkan profil
citra yang akan digunakan untuk
menghitung citra pada tahap awal
machine learning. Dengan jumlah 2048
(mulai di hitung dari n0 s/d n2047).
Tahapan selanjutnya yaitu untuk
mengukur jarak antara image buah
pisang dan untuk menentukan seberapa
mirip jenis jenis dari image buah pisang
yang ada.
Gambar 8 proses menetukan kemiripan
buah pisang
Maka di dari psoses di atas akan
menghasilkan tampilan seperti di bawah
ini :
Gambar 9 . hasil dari hierarchical
clustering
Pada tahapan ini di hasilkan
kelompok dari jenis buah pisang.
Kemudian untuk melihat hasil dari
pengelompokan buah pisang maka di
lakukan tahap selanjutnya.
Gambar 10 . Proses menampilkan hasil
pengelompokan
Kemudian akan mucul hasil
pengelompokan jenis buah pisang
sebagai berikut.
Gambar 11 . Hasil pengelompakan
jenis buah pisang
Untuk tahapan pengujian di butuhkana
contoh image buah pisang yang berbeda
dari image bauh pisang sebelumnya. Di
bawah ini adalah citra image buah
pisang.
 Gambar 12 . Citra image untuk
pengujian
Kemudian setelah memasukan citra
pengujian ke dalam koleksi image buah
pisang lakukan reload pada widget
import image untuk membantu
mengubah koleksi citra image pada
machine learning. Hitung ulang koleksi
image buah pisang dengan melakukan
image embedding, seperti gambar di
bawah ini.
Gambar 15 . Hasil Pengelompokan

Gambar 13 . hasil image embedding

yang ke 2
Lalu hitung juga hierarcichal clustering
pada koleksi citra yang sudah di ubah,
maka akan mucul hasil seperti di bawah
ini.

Gambar 14 hasil pengujian citra image

buah pisang
Pada gambar di atas dapat di simpulkan
bahwa citra pisang tes.jpg dengan citra
pisang merah berada dalam satu
kelompok. jika di klik pada bagian
hierarcichal clustering akan muncul
tampilan seperti di bawah ini
IV. KESIMPULAN dapat membatu membedakan
beberapa jenis buah pisang
Berdasarkan hasil pengujian
menggunakan image dengan
mengguankan aplikasi orange data
bantuan mechine learning.
mining dengan penerapan machine
3. Dalam aplikasi orange data
learning maka di dapat di ambil
mining memiliki banyak fitur
beberapa kesimpulan sebagai
yang mudah di mengerti dan
berikut :
di pahami dalam proses
1. Dengan menggunakan penerapan machine learning
aplikasi Orange untuk dengan mengunakan metode
menganalisis sebuah citra Image Clustering.
atau image akan lebih
mudah.
2. Dengan menggunakan teknik
analis dalam aplikasi orange
V. DAFTAR PUSTAKA
Armiady, D., & R, I. M. (2023). Klasifikasi Kualitas Buah Pisang Berdasarkan Citra Buah
Menggunakan Stochastic Gradient Descent. KLIK: Kajian Ilmiah Informatika Dan
Komputer, 4(2), 1207–1215. https://doi.org/10.30865/klik.v4i2.1243
Arum, R. P., Prasetiadi, A., & Ramdani, C. (2021). Klasifikasi Rasa Berdasarkan Citra
Buah Menggunakan Algoritma Convolutional Neural Network Dengan Teknik Identitas
Ganda. IJIS - Indonesian Journal On Information System, 6(1), 79.
https://doi.org/10.36549/ijis.v6i1.132
Baharudin, F. A. (2023). Penggunaan Machine Learning untuk mengidentifikasi faktor-
faktor yang mempengaruhi Kemampuan Koneksi Matematis pada Materi Turunan Fungsi.
Repository.Uinjkt.Ac.Id.
https://repository.uinjkt.ac.id/dspace/handle/123456789/67071%0Ahttps://repository.uinjkt.
ac.id/dspace/bitstream/123456789/67071/1/Watermark_Revisi_Skripsi_Fikri Ananta
Baharudin_11180170000025.pdf
Gampur, G., Ordiyasa, I. W., Kom, S., Depok, K., Sleman, K., & Yogyakarta, D. I. (n.d.).
KLASIFIKASI JENIS PISANG MENGGUNAKAN.
Harahap, B. (2019). Penerapan Algoritma K-Means Untuk Menentukan Bahan Bangunan
Laris (Studi Kasus Pada UD. Toko Bangunan YD Indarung). Regional Development
Industry & Health Science, Technology and Art of Life, 394–403.
https://ptki.ac.id/jurnal/index.php/readystar/article/view/82
Khatib Sulaiman, J., Kamaruddin Sanjaya, H., Wijaya, N., & Artikel Abstrak, I. (2020).
Klasifikasi Jenis Pisang Menggunakan Support Vector Machine dengan Fitur GLCM dan
HOG STMIK GI Multi Data Palembang 2 AMIK Multi Data Palembang. Indonesian
Journal of Computer Science, 9(2), 129–143.
Rifqo, M. H., & Wijaya, A. (2017). Implementasi Algoritma Naive Bayes Dalam Penentuan
Pemberian Kredit. Pseudocode, 4(2), 120–128.
https://doi.org/10.33369/pseudocode.4.2.120-128
Suroyo, H. (2019). Seminar Nasional Teknologi Komputer & Sains (SAINTEKS)
Penerapan Machine Learning dengan Aplikasi Orange Data Mining Untuk Menentukan
Jenis Buah Mangga. Sainteks, 343–347. https://seminar-id.com/semnas-sainteks2019.html