pengaruh dummy variable pada metode naïve bayes dalam kasus ...
Implementasi Algoritma Naïve Bayes Untuk Klasifikasi Citra Berdasarkan Ekstraksi Ciri Tekstur...
Transcript of Implementasi Algoritma Naïve Bayes Untuk Klasifikasi Citra Berdasarkan Ekstraksi Ciri Tekstur...
IMPLEMENTASI ALGORITMA NAÏVE BAYES UNTUK KLASIFIKASI CITRA BERDASARKAN EKSTRAKSI CIRI TEKSTUR DENGAN METODE
MATRIKS KOOKURENSI
Disusun untuk Sidang Proposal Skripsi
Semester Genap TA. 2014-2015
OLEH:
KUSMIAN ARIYANTOKO
10110457
Program Studi Teknik Informatika
Fakultas Teknik Dan Ilmu Komputer
Universitas Komputer Indonesia
2014
iv
1. Latar Belakang
Manusia mampu membedakan citra dengan kelas-kelas tertentu karena manusia memiliki ingatan akan tekstur dari setiap kelas citra tersebut. Kemampuan manusia tersebut apabila diterapkan ke dalam suatu sistem yang berupa perangkat lunak maupun perangkat keras, akan sangat berguna untuk diaplikasikan dalam banyak hal. Contoh aplikasinya adalah automatisasi dalam mengklasifikasikan objek atau barang dalam proses industri, analisis citra satelit, pencarian data citra di dalam halaman web atau basis data, peninjauan kualitas barang, dan lain-lain.
Tekstur adalah salah satu elemen dasar citra. Elemen dasar ini berupa ciri-ciri atau sifat-sifat yang terdapat didalam citra dan membentuk suatu pola-pola dengan interval jarak dan arah tertentu secara berulang-ulang yang memenuhi sebagian besar atau seluruh bidang citra. Pada umumnya tekstur adalah pola visual rumit yang tersusun dari kesatuan-kesatuan atau subpola yang memiliki karakteristik kecerahan, warna, kemiringan, ukuran, dan lain-lainnya. Dalam dunia sehari-hari kita akan menjumpai 2 jenis tekstur, yaitu makro tekstur dan mikro tekstur. Makro tekstur merupakan tekstur yang secara kualitatif dapat kita lihat pola perulangannya, biasanya pola ini dibentuk secara sengaja oleh manusia. Misalnya bentuk pola pada baju (garis-garis atau kotak-kotak). Sedangkan pola mikro tekstur merupakan pola yang akan banyak kita jumpai di alam, seperti pola jerami, beras, kopi, dan lain-lain.
Dalam pengolahan citra, tekstur dapat digunakan untuk mengidentifikasi dan mengenali suatu citra dengan tekstur tertentu berdasarkan satu set kelas, hal tersebut biasa disebut klasifikasi citra. Pada klasifikasi citra, pemilihan metode ekstraksi ciri merupakan tahapan yang terpenting, karena ekstraksi ciri dapat mempengaruhi tingkat akurasi dalam pengklasifikasian citra tersebut. Berbagai macam teknik untuk ekstraksi ciri tekstur pada citra telah banyak diusulkan. namun, yang paling terkenal dan banyak digunakan saat ini adalah teknik yang di usulkan oleh Tuceryan dan Jain(1993). Tuceryan dan Jain (1993) membagi metode analisis tekstur ke dalam empat kategori: statistik, geometris, berbasis model dan pemrosesan sinyal. Dari keempat teknik ekstraksi ciri tekstur yang di usulkan oleh truceyan dan jain, metode yang paling banyak di pakai untuk ekstraksi ciri tektur saat ini adalah metode statistik, Beberapa pakar image analysis berpendapat metode statistik dapat digunakan sebagai parameter spesifik yang dapat menggambarkan ciri dari setiap citra. Metode statistik citra ini sering dinamakan dengan analisis tekstur. Dinamakan analisis tekstur karena, parameter statistik yang di ekstrak dari citra merupakan karakteristik yang merepresentasikan bentuk/pola tekstur dalam citra.
Dalam Analysis texture, ada beberapa metode yang dapat digunakan, diantaranya adalah GLCM (Grey-Level Co-Occurence Matrix), GLDM(Gray Level Difference Method), GLRM(Gray Level Run-Length Method), GLAM(Gray Level Aura Matrice), Sum And Defference Histogram dan masih banyak lagi yang lainya. Tetapi, diantara banyak metode tersebut, yang paling banyak digunakan adalah GLCM dan GLDM.
v
Untuk meberikan rekomendasi dalam menentukan metode Ekstraksi ciri yang efektif untuk pengenalan objek berdasarkan tekstur, maka akan dilakukan penelitian “IMPLEMENTASI ALGORITMA NAÏVE BAYES UNTUK KLASIFIKASI CITRA BERDASARKAN EKSTRAKSI CIRI TEKSTUR DENGAN METODE MATRIKS KOOKURENSI”.
2. Identifikasi Masalah
Berdasarkan uraian latar belakang diatas dapat didentifikasi masalahnya adalah :
1. bagaimana cara mengimplementasikan metode GLCM sebagai
ekstaksi fitur pada citra.
2. Bagaimana mengimplementasikan NAÏVE BAYES dalam
pengklasifikasian citra berdasarkan ekstraksi fitur GLCM
3. bagaimana cara mesin (komputer) mengenali tekstur, agar dapat
mengidentifikasi jenis objek.
3. Maksud dan Tujuan
Berdasarkan permasalahan yang telah dikemukakan diatas maka maksud dari penulisan skripsi ini adalah menerapkan GLCM dan NAÏVE BAYES untuk supaya menciptakan sebuah mesin(komputer) yang mampu mengenali objek berdasarkan ekstraksi ciri tekstur.
Adapun tujuan yang ingin dicapai adalah : Meneliti tingkat pengenalan perangkat lunak terhadap citra dengan cara melakukan pengujian dan analisis berdasarkan sekenario yang nanti dipersiapkan dan juga Membuat perangkat lunak simulasi yang mampu mengklasifikasikan citra ke dalam jenis-jenis yang berbeda menggunakan metode GLCM dan NAÏVE BAYES dan juga Meneliti tingkat pengenalan perangkat lunak terhadap citra masukan.
4. Batasan Masalah
Dalam pembahasan dan permasalahan yang terjadi, diperlukan beberapa
pembatasan masalah atau ruang lingkup kajian sehingga penyajian lebih terarah
dan terkait satu sama lain.
Adapun batasan dari permasalahan ini adalah sebagai berikut :
1. Citra yang digunakan adalah citra sekumpulan biji bijian, seperti gambar
di bawah ini.
vi
2. Citra inputan berupa biji bijian dan kacang kacangan, yaitu
a. Beras
b. Ketan hitam
c. Beras merah
d. Kacang merah
e. Kacang hijau
f. Kacang tanah
g. Kacang kedelai
5. Metodologi Penelitian
Metode penelitian dalam penyusunan tugas akhir ini dibagi menjadi dua tahap yaitu, tahap pengumpulan data dan tahap pembangunan perangkat lunak.
1.5.1 Tahap Pengumpulan Data
Teknik pengumpulan yang dilakukan adalah studi pustaka atau studi literatur. Pengumpulan data dengan cara mengumpulkan literatur, jurnal, paper dan bacaan-bacaan yang ada kaitannya dengan judul penelitian.
1.5.2 Tahap Pengembangan Perangkat Lunak
Dalam pengembangan aplikasi ini digunakan metode The Classic Life Cycle (Paradigma Waterfall). Tahap-tahap pembangunan perangkat lunak metode waterfall dapat dilihat pada gambar 1.1, dengan penjelasan sebagai berikut:
5
vii
Gambar 1.1. Metode The Classic Life Cycle / Waterfall.
1. Analysis adalah tahap menganalisa hal-hal yang diperlukan dalam pelaksanaan proyek
pembuatan atau pengembangan software.
2. Design adalah tahap menerjemahkan dari keperluan-keperluan yang dianalisis ke
dalam bentuk yang lebih mudah dimengerti oleh pemakai.
3. Coding adalah tahap menerjemahkan data/pemecahan masalah software yang telah
dirancang ke dalam bahasa pemograman yang telah ditentukan.
4. Testing adalah tahap pengujian terhadap program yang telah dibuat. Pengujian ini
dilakukan untuk memastikan tidak ada kesalahan dan semua berjalan dengan baik
dan input yang diberikan hasilnya sesuai dengan yang diinginkan.
5. Maintenance adalah perangkat lunak yang telah dibuat dapat mengalami perubahan
sesuai permintaan pemakai atau perkembangan metode. Pada program yang
dibangun ini tidak dilakukan tahap maintenance.
6. Deskripsi Umum Sistem
Sistem yang akan di buat adalah sebuah aplikasi simulasi yang akan di gunakan untuk menguji tingkat pengenalan sistem terhadap citra masukan berdasarkan data hasil training yang sebelumnya telah dilakukan, secara garis besar yang akan dilakukan adalah membentuk data acuan, Metode CO-OCCURRENCE MATRIX berguna untuk mengekstraksi ciri pada gambar, setelah di ekstraksi ciri, ciri-ciri yang didapatkan akan diklasifikasikan dengan algoritma naïve bayes, dimana nantinya hasil klasifikasi tersebut akan di jadikan data acuan. Begitupun dengan data uji, yang akan melakukan tahapan yang sama, sampai akhirnya, nanti data yang di peroleh dari data uji tersebut, akan di
viii
s isylanA
n giseD
e cnanetniaM
g nitseT
g nidoC
bandingkan dengan data acuan, sehingga akan di dapatkan hasil klasifikasi, di manakan data uji tersebut dapat di klasifikasikan.
Secara umum, sistem simulasi yang akan dibuat adalah
Proses training,
1. Masukan citra training
2. Ubah citra menjadi grayscale
3. Ekstraksi citra dengan metode OCCURRENCE MATRIX
4. Klasifikasi hasil ekstraksi citra dengan naïve bayes
5. Masukan data training ke dalam database
Proses pengujian
1. Masukan citra uji
2. Ubah menjadi greyscale
3. Ekstraksi citra dengan metode OCCURRENCE MATRIX
4. Klasifikasikan hasil ekstraksi dengan naïve bayes berdasarkan data
training
5. Tampilkan hasil pengenalan
7. Review Literatur
Banyak penelitian yang sebelumnya dilakukan mengenai Penilaian Tugas Akhir atau Skripsi. Dalam upaya mengembangkan dan menyempurnakan penilaian tugas akhir ini perlu dilakukan studi pustaka (review literatur) sebagai salah satu dari penerapan metode penelitian yang akan dilakukan. Manfaat dari studi pustaka ini antara lain:
a. Mengidentifikasikan kesenjangan (identify gaps) dari penelitian ini.
b. Menghindari membuat ulang (reinventing the wheel) sehingga banyak
menghemat waktu dan juga menghindari kesalahan kesalahan yang pernah
dilakukan oleh orang lain.
c. Mengidentifikasikan metode yang pernah dilakukan dan yang relevan
terhadap penelitian ini.
d. Meneruskan apa yang penelitian sebelumnya telah capai sehingga dengan
adanya studi pustaka ini, penelitian yang akan dilakukan dapat
membangun diatas platform dari pengetahuan atau ide yang sudah ada.
ix
e. Untuk mengetahui orang lain yang spesialis dan mengerjakan di area
penelitian yang sama, sehingga dapat terjaring dalam komunitas yang
dapat memberi kontribusi sumber daya yang berharga.
Berikut adalah beberapa penelitian, prosiding atau jurnal yang telah dilakukan dan memiliki korelasi yang searah dengan penelitian yang akan dibahas dalam Skripsi ini, antara lain :
1. Jurnal yang telah dilakukan oleh Mita Indriani yang berjudul ANALISIS
TEKSTUR MENGGUNAKAN METODE RUN LENGTH.
Berisi tentang bagaimana melakukan klasifikasi citra dengan menggunakan metode run length dan KNN, Dari hasil penelitian diketahui bahwa metode run length ini digunakan untuk membedakan tekstur halus dan tekstur kasar. Tekstur halus akan menghasilkan nilai SRE, RLU, dan RPC yang besar dan nilai LRE kecil. Sebaliknya tekstur kasar akan menghasilkan nilai LRE besar namun nilai SRE, RLU, dan RPC yang kecil. Setelah dilakukan klasifikasi dengan metode LDA dan k-NN dengan k=1, 3, 5, dan 7, diperoleh hasil klasifikasi terbaik menggunakan metode k-NN untuk k=1 dengan tingkat kesalahan klasifikasi sebesar 0%.
2. Jurnal yang telah dilakukan oleh Jackson A Bunga yang berjudul
KLASIFIKASI CITRA DENGAN METODE TRANSFORMASI WAVELET
PADA LIMA JENIS BIJI-BIJIAN.
Berisi tentang penelitian bagaimana melakukan klasifikasi citra dengan
metode wavelet. Dari hasil penelitian didapatkan Tingkat pengenalan untuk
wavelet Db-2 level 1 sebesar 82%, level 2 sebesar 80%, level 3 sebesar 54%
dan level 4 sebesar 40%. Tingkat pengenalan dengan menggunakan wavelet
Db-3 level 1 sebesar 82%, level 2 sebesar 80%, level 3 sebesar 54% dan level
4 sebesar 40%. Tingkat pengenalan dengan menggunakan wavelet Coif-1
level 1 sebesar 82%, level 2 sebesar 80%, level 3 sebesar 54% dan level 4
sebesar 40%.
8. Sistematika Penulisan
Sistematika penulisan tugas akhir ini disusun untuk memberikan gambaran umum tentang penelitian yang dijalankan. Sistematika penulisan tugas akhir ini adalah sebagai berikut :
BAB I PENDAHULUAN
x
Menguraikan tentang latar belakang permasalahan, mencoba merumuskan inti
permasalahan yang dihadapi, menentukan tujuan dan kegunaan penelitian,
yang kemudian diikuti dengan pembatasan masalah, asumsi, serta sistematika
penulisan.
BAB II. TINJAUAN PUSTAKA
Membahas berbagai konsep dasar dan teori - teori yang berkaitan dengan
topik penelitian yang dilakukan dan hal hal yang berguna dalam proses
analisis permasalahan serta tinjauan terhadap penelitian - penelitian serupa
yang telah pernah dilakukan sebelumnya.
BAB III. ANALISIS DAN PERANCANGAN SISTEM
Bab 3 terbagi menjadi dua bagian yaitu analisis dan perancangan sistem.
Bagian analisis sistem yaitu deskripsi masalah, analisis kasus, analisis
masalah,analisis kebutuhan, menguraikan cara pemecahan masalah, selain itu
terdapat perancangan sistem yang terbagi menjadi perancangan komponen,
perancangan berorientasi objek, dan perancangan antarmuka untuk aplikasi
yang akan dibangun sesuai dengan hasil analisis yang telah dibuat.
BAB IV. IMPLEMENTASI DAN PENGUJIAN SISTEM
Menjelaskan implementasi dari hasil analisis dan perancangan yang telah
dibuat ke dalam bentuk aplikasi pemograman, kemudian dilakukan pengujian
terhadap aplikasi yang telah dibangun untuk memastikan bahwa aplikasi
dapat berjalan secara efektif sesuai yang diinginkan.
BAB V. KESIMPULAN DAN SARAN
Berisi kesimpulan yang sudah diperoleh dari hasil penulisan tugas akhir ini
dan saran untuk pengembangan penelitian lebih lanjut.
9. Daftar Pustaka
xi
[1] Indriani, Mita. (2011). Analisis tekstur menggunakan metode run length,
UNDIP, Semarang.
[2] Bunga, Jackson. (2012). Klasifikasi citra dengan metode transformasi
wavelet pada lima jenis biji-bijian, UNDIP, Semarang.
[3] Yudhistira Ganis. (2011), “KLASIFIKASI CITRA DENGAN MATRIKS
KO-OKURENSI ARAS KEABUAN (Gray Level Co-occurrence Matrix-
GLCM) PADA LIMA KELAS BIJI-BIJIAN”,UNDIP, Semarang.
[4] Ahmad, U., Pengolahan Citra Digital & Teknik Pemrogramannya, Graha
Ilmu , 2005.
[5] Mansoor, Mohamed. (2012) BAYESIAN CLASSIFICATION OF FABRICS
USING BINARY CO-OCCURRENCE MATRIX . Department of Electronics
and Communication Engineering, Thiagarajar College of
Engineering,Madurai
xii