Anda di halaman 1dari 21

MENDETEKSI KEMATANGAN BUA

H TOMAT MENGGUNAKAN KNNC


LASSIFY
Kelompok 4 :
Khairunnisa Atami
Riski Amelia

http://www.free-powerpoint-templates-design.com
Pencocokan Warna

Sistem pencocokan warna atau Color Matching Sistem merupakan metode yang
digunakan untuk memastikan konsistensi warna dalam proses desain hingga proses
produksi. Ini diaplikasikan untuk menjaga keakuratan dan konsistensi warna yang digunakan.

Warna adalah spektrum tertentu yang terdapat di dalam suatu cahaya sempurna
(berwarna putih). Identitas suatu warna ditentukan oleh panjang gelombang cahaya tersebut.
Sebagai contoh warna biru memiliki panjang gelombang 460 nanometer. Panjang gelombang
warna yang masih bisa ditangkap mata manusia berkisar antara 380-780 nanometer
Pencocokan Warna

Pada permasalahan ini adalah mendeteksi kematangan buah tomat .Buah tomat
memiliki 3 warna untuk menentukan apakah buat tomat tersebut sudah matang, setengah
matang, dan mentah, yaitu warna merah ketika buah tomat sudah matang, warna kuning
ketika buah tomat setengah matang, dan warna hijau ketika buah tomat mentah

Salah satu metode yang tepat untuk menentukan kematangan buah tomat
berdasarkan warnanya secara komputing, yaitu menggunakan metode KNNCLASIFY.
K-Nearest Neighbors (KNN)

K-nearest neighbors atau knn adalah algoritma yang berfungsi untuk melakukan
klasifikasi suatu data berdasarkan data pembelajaran (train data sets), yang diambil dari k
tetangga terdekatnya (nearest neighbors). Dengan k merupakan banyaknya tetangga
terdekat.

Tujuan dari algoritma ini adalah mengklasifikasikan obyek baru bedasarkan atribut
dan training sample. Classifier tidak menggunakan model apapun untuk dicocokkan dan
hanya berdasarkan pada memori.
Graphical User Interface
Fungsi Tools GUI

01 Button Input Gambar 02 Button Extraction Feature

Menginputkan citra yang Untuk melakukan ekstraksi ciri citra dengan 3


akan diuji parameter yaitu dengan mean, variance, dan
Range

03 Button Training Data 04 Tabel

Digunakan untuk membuat Menampilkan Hasil Ekstraksi ciri dari citra yaitu
data training dari beberapa nilai mean, variance, dan range.
citra latih.
Proses
01 Membuat Data Training

Terdapat 30 citra latih yang akan


dibuat data training nya yang
disimpan di 3 folder. Yaitu 10 citra di
folder mature(matang), 10 citra di
folder half-mature(setengah), dan 10
citra di immature(mentah)

Membaca citra latih per folder


terdapat pada code image_folder =
Training\mature
Proses
01 Membuat Data Training (2)
Proses
01 Membuat Data Training (3)
Proses
01 Membuat Data Training (4)

Pada variable Z akan dilakukan


pembuatan data yang akan disimpan
ke excel berdasarkan ekstrasi ciri citra
yaitu Mean, Variance dan Range dari
warna RGB dan HIS, dan juga
diinputkan group/class yang akan
dijadikan sebagai pengkelompokkan
citra. Pada folder mature(matang)
diberikan nilai group/class yaitu 1,
folder half-mature diberi nilai grup/class
2, dan immature diberi nilai grup/class
3
Proses
02 Menginputkan Citra
Proses
03 Ekstrasi Citra
Proses
03 Ekstrasi Citra
Proses
03 Ekstrasi Citra
Proses
03 Ekstrasi Citra
HASIL TRANFORM RGB KE HSI
Citra Asli Citra HSI
OUTPUT
MeanR = Jumlah Seluruh nilai Red /
PERHITUNGAN
Jumlah Pixel
= 3.3001e+05 / 518400 MANUAL
= 0.63659

MeanG = Jumlah Seluruh nilai Green /


MeanH = Jumlah Seluruh nilai Hue /
Jumlah Pixel
Jumlah Pixel
= 2.5836e+05 / 518400
= 9.2390e+04 / 518400
= 0.49838
= 0.17822
MeanB = Jumlah Seluruh nilai Blue /
MeanS = Jumlah Seluruh nilai S /
Jumlah Pixel
Jumlah Pixel
= 2.3412e+05 / 518400
= 1.1470e+05 / 518400
= 0.45163
= 0.22123

MeanI = Jumlah Seluruh nilai I /


Jumlah Pixel
= 2.7416e+05 / 518400
= 0.5289
PERHITUNGAN MANUAL
VarR = Var(R(:))
= 0.013777

VarG = Var(G(:))
= 0.046303

VarB = Var(B(:))
= 0.054185

VarH = Var(H(:))
= 0.019097

VarS = Var(S(:))
= 0.091061

VarI = Var(I(:))
= 0.023392
RangeR = maximum Red - Minimum Red
= 1 - 0.1451
PERHITUNGAN
= 0.8549 MANUAL
RangeG = maximum Green - Minimum
Green
= 0.9608 - 0 RangeH = maximum H - Minimum H
= 0.9608 = 0 - 0.5000
= 0.5000
RangeB = maximum Blue - Minimum Blue
= 0.9725 - 0 RangeS = maximum S - Minimum S
= 0.9725 = -2.2204e-16-0 - 1
= 1.0000

RangeI = maximum I - Minimum I


= 0.9451 - 0.1203
= 0.8248
Thank You