Klasifikasi Buah Tomat Metode C-means

7/23/2019 Klasifikasi Buah Tomat Metode C-means

1/15

TUGAS NEURO FUZZY PADA INSTRUMENTASI ELKA

KLASIFIKASI KEMATANGAN BUAH TOMATMENGGUNAKAN METODE FUZZY C MEANS

Disusun oleh :

M A!h"#i A$inu%in &'()*'))'+

BIDANG STUDI ELEKTRONIKA

PROGRAM STUDI TEKNIK ELEKTRO

FAKULTAS TEKNIK

UNI,ERSITAS BHAYANGKARA SURABAYA

()'- . ()'/

' PENDAHULUAN

0


2/15

Percobaan ini menggunakan model warna RGB. Tingkat RGB pola bit

dikomposisikan dari tiga warna tersebut dan masing-masing warna mempunyai

28 atau 25 bit !0 - 255". #odel warna RGB yang dapat dinyatakan dalam bentuk

indeks warna RGB dengan cara menormalisasi setiap komponen warna dengan

persamaan sebagai sebagai berikut$

R %R

R+G+BG %

G

R+G+BB %

B

R+G+B

&istogram 'arna &istogram warna atau color (istogram adala(

representasi distribusi warna dalam sebua( gambar yang didapatkan dengan

meng(itung )umla( pi*el dari setiap bagian range warna+ secara tipikal dalam dua

dimensi atau tiga dimensi. ,alam pembuatan (istogram+ nilai RGB mempunyai

range dari 0 sampai 255 akan punya kemungkinan kombinasi warna sebesar

2 !didapat dari$ 255 * 255 * 255".

/ara mengidentiikasi dan mendeteksi kematangan bua( yang dilakukan

di ruma( kaca masi( banyak menggunakan cara manual. /ara manual dilakukan

berdasarkan pengamatan 1isual secara langsung pada bua( yang akan

diklasiikasi. elema(an pengklasiikasian manual sangat dipengaru(i

sub)ektiitas operator sortir se(ingga pada kondisi tertentu tidak konsisten proses

pengklasiikasiannya. Perkembangan teknologi inormasi memungkinkan

identiikasi bua( berdasarkan ciri warna dengan bantuan komputer. /ara

komputasi ini dilakukan dengan pengamatan 1isual tidak langsung dengan

menggunakan kamera sebagai pengola( citra dari gambar yang direkam !image

processing" untuk kemudian diola( dengan menggunakan perangkat lunak

computer.lasiikasi ini menggunakan aplikasi kecerdasan buatan menggunakan

metode u33y c-means clustering. 4b)ek yang diamati yaitu bua( tomat yang

berbeda tingkat kematangannya berdasarkan warna. normasi citra dari bua(

tomat yang diamati menggunakan bantuan 1ideo kamera atau webcam. 'ebcam

dan sotware diintegrasikan ke komputer menggunakan u33y c-means clustering

agar komputer dapat mengenali inormasi citra bua( tomat tersebut.


3/15

Bua( tomat diklasiikasi berdasarkan input (istogram warna citra yang

didapat dari (asil capture. ,ari beberapa sampel pola data bua( tomat dengan

tingkatan kematangan yang berbeda diinputkan pada u33y c-means untuk

meng(asilkan nilai pusat cluster. 6ilai pusat cluster yang diperole( tersebut

digunakan untuk proses klasiikasi bua( tomat matang+ muda+ dan setenga(

matang. Tingkatan keber(asilan identiikasi dipengaru(i ole( aktor penca(ayaan

ter(adap citra.

( DASAR TEORI

7u33y /-#eans !7/#" merupakan sala( satu algoritma u33y

clustering. 7u33y /-#eans !7/#" adala( suatu teknik pengclusteran data yang

keberadaan setiap titik data dalam suatu cluster ditentukan ole( dera)at

keanggotaan. Teknik ini pertama kali diperkenalkan ole( im Be3dek pada ta(un

98.

onsep dasar 7/# yaitu menentukan pusat cluster+ yang akan

menandai lokasi rata-rata untuk setiap cluster. ,engan cara memperbaiki pusat

cluster dan dera)at keanggotaan setiap titik data secara berulang+ maka akan

dapat dili(at ba(wa pusat cluster akan bergerak menu)u lokasi yang tepat.

Perulangan ini didasarkan pada pada minimisasi ungsi obyekti yang

menggambarkan )arak dari titik data yang diberikan ke pusat cluster yang

terbobot ole( dera)at keanggotaan titik data tersebut.

4utput dari 7/# bukan merupakan u33y inerence system+ namunmerupakan deretan pusat cluster dan beberapa dera)at keanggotaan untuk tiap-tiap

titik data. normasi ini dapat digunakan untuk membangun suatu u33y inerence

system. :lgoritma 7u33y /-means clustering adala( sebagai berikut $

. #enentukan$

#atriks ; yang merupakan data yang akan dicluster+ berukuran k * )+ dengan

k % )umla( data yang akan di-cluster dan ) % )umla( 1ariabel


4/15

2. #enentukan $

a. umla( cluster yang akan dibentuk !n =c > 2".

b. pembobot !w = ".

c. #aksimum iterasi !ma* n".

d. riteria peng(entian


5/15

5. &itung nilai obyekti !Pn" dengan rumus $

eterangan $

Dik % data partisi !pada matriks @" pada cluster ke-i dan data ke-k.

dik% ungsi ukuran )arak untuk )arak Euclidean pada pusat cluster ke-i dan

data ke-k.

w % pembobot.Pn% nilai obyekti pada iterasi ke-n.

. Perbaiki dera)at keanggotaan setiap data pada setiap cluster !perbaiki matriks

partisi"

dengan $

eterangan $

Dik % data partisi !pada matriks @" pada pusat cluster ke-i dan data ke-k.

dik% ungsi ukuran )arak untuk )arak Euclidean pada pusat cluster ke-i dan

data ke-k.

d)k% ungsi ukuran )arak untuk )arak Euclidean pada pusat cluster ke-) dan

data ke-k.

w % pembobot.

;k) % data !pada matriks @" pada atribut ke-) dan data ke-k.

. #eng(entikan iterasi )ika pusat cluster C tidak beruba(. :lternati

kriteria peng(entian adala( )ika peruba(an nilai error kurang dari tres(old F


6/15

Pn - Pn-F . :lternati adala( ketika perulangan melebi(i maksimum iterasi

! n = ma* n". ika iterasi belum ber(enti+ kembali ke langka( .

8. ika iterasi ber(enti+ ditentukan cluster dari tiap-tiap data. /luster dipili(

berdasarkan nilai matriks partisi terbesar.

0 PERCOBAAN DAN ANALISA

" H"sil D"1" His1o2#"$ 3"#n"

,ilakukan pemrosesan awal dengan beberapa kali pengambilan data

(istogram untuk bua( tomat yang memiliki tingkat kematangannya berbeda.

,ibawa( ini sala( satu data dari beberapa pengambilan data nilai (istogram

warna bua( tomat $

T"4el 0' Be4e#"5" D"1" Nil"i His1o2#"$ To$"1

6o. warna 6ilai (istogram warna

Bua( tomat R!Red" G!Green" B!Blue"

288 22 895

2 592 2 85

? ?5 ?9 2

5098 2059 88

5 259 ??98

528 598?2 92?

5229 880? ??0?

8 588 890?2 50?55

9 52 89 55

5


7/15

4 T#"inin2

Proses training menggunakan ? sampel pola data yang mencirikan

masing-masing tingkat kematangan bua( tomat. Tetapi untuk lebi( seder(ananya

bisa menggunkan 2 sampel warna sa)a. 2 sampel data bua( tomat masak warna

mera(+ 2 sampel bua( tomat muda warna (i)au+ dan 2 sampel bua( tomat

setenga( matang warna campur+ untuk percobaan ini suda( dilakukan

normalisasi se(ingga (anya tinggal memasukkan nilai normalisasinya sa)a. 2

G"$4"# 0' %"1" 1#"inin2 5"%" no1e5"%

Pada data training+ kolom pertama merepresentasikan RE,+ sedangkan

kolom kedua adala( GREE6. Tidak ada kolom ketiga sebagai target+ karena

7u33y /-#eans akan menentukan klasiikasi berdasarkan nilai kluster yang

dibuat. ,ata training tadi kemudian di masukkan ke dalam matlab menggunakan

clustering dengan cara mengetikkanfindclusterpada command window. ,i bawa(

ini adala( tampilan )endela clustering pada matlab. ,alam (al ini terdapat tiga


8/15

kelas yaitu matang+ muda+ dan setenga( matang. He(inggga akan terbentuk tiga

titik pusat. Titik pusat kluster inila( alat penentu keputusan dari data baru yang

kita cari klasiikasinya.

G"$4"# 0( 6en%el" 7lus1e#in2 5"%" $"1l"4

@ntuk $e1o%e8 menggunakan FCMkarena memang metode itu yang kita

gunakan. Clus1e# Nu$adala( )umla( kelas klasiikasi yang kita butu(kan+ dalam(al ini adala( kelas 9$"1"n298 kelas se1en2"h $"1"n2;dan kelas9$u%"9+

maka diisi ?.

7 Pe#7o4""n

percobaan dilakukan dengan mengunakan G@ yang suda( tersedia di

matlab. Berikut adala( tampilan G@ untuk klasiikasi kematangan bua( tomat.


9/15

G"$4"# 00 GUI un1u<


10/15

5 20 0 9.920.

2?.?

8

#asak

0 KESIMPULAN

Hetela( melakukan perencanaan dan pembuatan sistem klasiikasi bua(

tomat menggunakan u33y c-means kemudian dilakukan pengu)ian+ maka dapat

diambil kesimpulan ba(wa. Histem dapat menganali kematangan bua( tomat

dengan keber(asilan mendekati 00J (anya dengan menggunakan 5 data

training.

* DAFTAR PUSTAKA

KL Hariatul :dawiya(+ 20. 7@MMN /-#E:6.

(ttp$


11/15

- LAMPIRAN

Lis1in2 P#o2#"$ 5"%" GUI $"1l"4 @

functionvarargout = kasifikasitomat(varargin)% KASIFIKASITOMAT MATLAB code for kasifikasitomatfig

% KASIFIKASITOMAT! "# itse$f! creates a ne KASIFIKASITOMAT orraises t&e e'isting% sing$eton

%% = KASIFIKASITOMAT returns t&e &and$e to a ne KASIFIKASITOMAT ort&e &and$e to

% t&e e'isting sing$eton%

% KASIFIKASITOMAT(*+ALLBA+K*!&O",ect!event-ata!&and$es!) ca$$st&e $oca$

% function named +ALLBA+K in KASIFIKASITOMATM it& t&e given in.utarguments%

% KASIFIKASITOMAT(*/ro.ert#*!*0a$ue*!) creates a neKASIFIKASITOMAT or raises t&e% e'isting sing$eton Starting from t&e $eft! .ro.ert# va$ue .airs

are% a..$ied to t&e 12I "efore kasifikasitomat3O.eningFcn gets ca$$edAn

% unrecogni4ed .ro.ert# name or inva$id va$ue makes .ro.ert#a..$ication% sto. A$$ in.uts are .assed to kasifikasitomat3O.eningFcn via

varargin%% See 12I O.tions on 12I-5*s Too$s menu +&oose 612I a$$os on$#one

% instance to run (sing$eton)6%% See a$so7 12I-5! 12I-ATA! 12IA8-L5S

% 5dit t&e a"ove te't to modif# t&e res.onse to &e$. kasifikasitomat

% Last Modified "# 12I-5 v9: ;an9;?< 9@79


12/15

% 5'ecutes ,ust "efore kasifikasitomat is made visi"$efunctionkasifikasitomat3O.eningFcn(&O",ect! eventdata! &and$es!

varargin)% T&is function &as no out.ut args! see Out.utFcn% &O",ect &and$e to figure% eventdata reserved to "e defined in a future version of MATLAB

% &and$es structure it& &and$es and user data (see 12I-ATA)% varargin command $ine arguments to kasifikasitomat (see 0AHAH1I8)

% +&oose defau$t command $ine out.ut for kasifikasitomat&and$esout.ut = &O",ect

% 2.date &and$es structure

guidata(&O",ect! &and$es)

% 2IAIT makes kasifikasitomat ait for user res.onse (see 2IH5S2M5)

% uiait(&and$esfigure?)

% Out.uts from t&is function are returned to t&e command $inefunctionvarargout = kasifikasitomat3Out.utFcn(&O",ect! eventdata!

&and$es)% varargout ce$$ arra# for returning out.ut args (see 0AHAH1O2T)% &O",ect &and$e to figure

% eventdata reserved to "e defined in a future version of MATLAB% &and$es structure it& &and$es and user data (see 12I-ATA)

% 1et defau$t command $ine out.ut from &and$es structure

varargout?G = &and$esout.ut

functionred3+a$$"ack(&O",ect! eventdata! &and$es)% &O",ect &and$e to red (see 1+BO)% eventdata reserved to "e defined in a future version of MATLAB

% &and$es structure it& &and$es and user data (see 12I-ATA)

% ints7 get(&O",ect!*String*) returns contents of red as te't% str9dou"$e(get(&O",ect!*String*)) returns contents of red as a

dou"$e

% 5'ecutes during o",ect creation! after setting a$$ .ro.erties

functionred3+reateFcn(&O",ect! eventdata! &and$es)

% &O",ect &and$e to red (see 1+BO)% eventdata reserved to "e defined in a future version of MATLAB

% &and$es em.t# &and$es not created unti$ after a$$ +reateFcnsca$$ed

% int7 edit contro$s usua$$# &ave a &ite "ackground on indos

% See IS/+ and +OM/2T5Hifis.c EE iseJua$(get(&O",ect!*Background+o$or*)!get(;!*defau$t2icontro$Background+o$or*))

set(&O",ect!*Background+o$or*!*&ite*)end

functiongreen3+a$$"ack(&O",ect! eventdata! &and$es)


13/15

% &O",ect &and$e to green (see 1+BO)% eventdata reserved to "e defined in a future version of MATLAB% &and$es structure it& &and$es and user data (see 12I-ATA)

% ints7 get(&O",ect!*String*) returns contents of green as te't% str9dou"$e(get(&O",ect!*String*)) returns contents of green as adou"$e

% 5'ecutes during o",ect creation! after setting a$$ .ro.ertiesfunctiongreen3+reateFcn(&O",ect! eventdata! &and$es)

% &O",ect &and$e to green (see 1+BO)% eventdata reserved to "e defined in a future version of MATLAB% &and$es em.t# &and$es not created unti$ after a$$ +reateFcns

ca$$ed


% See IS/+ and +OM/2T5Hifis.c EE iseJua$(get(&O",ect!*Background+o$or*)!get(;!*defau$t2icontro$Background+o$or*)) set(&O",ect!*Background+o$or*!*&ite*)

end

function&asi$3+a$$"ack(&O",ect! eventdata! &and$es)% &O",ect &and$e to &asi$ (see 1+BO)% eventdata reserved to "e defined in a future version of MATLAB% &and$es structure it& &and$es and user data (see 12I-ATA)

% ints7 get(&O",ect!*String*) returns contents of &asi$ as te't

% str9dou"$e(get(&O",ect!*String*)) returns contents of &asi$ as adou"$e


function&asi$3+reateFcn(&O",ect! eventdata! &and$es)% &O",ect &and$e to &asi$ (see 1+BO)% eventdata reserved to "e defined in a future version of MATLAB% &and$es em.t# &and$es not created unti$ after a$$ +reateFcns

ca$$ed


% See IS/+ and +OM/2T5Hifis.c EE iseJua$(get(&O",ect!*Background+o$or*)!

get(;!*defau$t2icontro$Background+o$or*)) set(&O",ect!*Background+o$or*!*&ite*)end

% 5'ecutes on "utton .ress in .us&"utton?function.us&"utton?3+a$$"ack(&O",ect! eventdata! &and$es)% &O",ect &and$e to .us&"utton? (see 1+BO)% eventdata reserved to "e defined in a future version of MATLAB

% &and$es structure it& &and$es and user data (see 12I-ATA)red = get(&and$esred! *string*)green = get(&and$esgreen! *string*)

red = str9dou"$e(red)

green = str9dou"$e(green)

2


14/15

data = Cred greenD$oad .usatc$ustertomatdat.usat? = .usatc$ustertomat(?!7)

.usat9 = .usatc$ustertomat(9!7)

.usat@ = .usatc$ustertomat(@!7)

u,iA = norm(data .usat?)

u,iB = norm(data .usat9)u,i+ = norm(data .usat@)set(&and$eseditA!*string*!u,iA)

set(&and$eseditB!*string*!u,iB)set(&and$esedit+!*string*!u,i+)

ifu,iA u,iB EE u,iA u,i+

set(&and$es&asi$!*string*!*matang*)e$seif u,i+ u,iB EE u,i+ u,iB set(&and$es&asi$!*string*!*muda*)

e$seset(&and$es&asi$!*string*!*setenga& matang*)

end

% If 5na"$e == *on*! e'ecutes on mouse .ress in : .i'e$ "order% Ot&erise! e'ecutes on mouse .ress in : .i'e$ "order or over

.us&"utton?function.us&"utton?3Button-onFcn(&O",ect! eventdata! &and$es)% &O",ect &and$e to .us&"utton? (see 1+BO)


functionedit+3+a$$"ack(&O",ect! eventdata! &and$es)% &O",ect &and$e to edit+ (see 1+BO)% eventdata reserved to "e defined in a future version of MATLAB


% ints7 get(&O",ect!*String*) returns contents of edit+ as te't% str9dou"$e(get(&O",ect!*String*)) returns contents of edit+ as a

dou"$e


functionedit+3+reateFcn(&O",ect! eventdata! &and$es)% &O",ect &and$e to edit+ (see 1+BO)

% eventdata reserved to "e defined in a future version of MATLAB% &and$es em.t# &and$es not created unti$ after a$$ +reateFcnsca$$ed


% See IS/+ and +OM/2T5Hifis.c EE iseJua$(get(&O",ect!*Background+o$or*)!get(;!*defau$t2icontro$Background+o$or*))

set(&O",ect!*Background+o$or*!*&ite*)end

functioneditA3+a$$"ack(&O",ect! eventdata! &and$es)

% &O",ect &and$e to editA (see 1+BO)% eventdata reserved to "e defined in a future version of MATLAB

?


15/15


% ints7 get(&O",ect!*String*) returns contents of editA as te't

% str9dou"$e(get(&O",ect!*String*)) returns contents of editA as adou"$e


functioneditA3+reateFcn(&O",ect! eventdata! &and$es)% &O",ect &and$e to editA (see 1+BO)% eventdata reserved to "e defined in a future version of MATLAB

% &and$es em.t# &and$es not created unti$ after a$$ +reateFcnsca$$ed

% int7 edit contro$s usua$$# &ave a &ite "ackground on indos% See IS/+ and +OM/2T5Hifis.c EE iseJua$(get(&O",ect!*Background+o$or*)!

get(;!*defau$t2icontro$Background+o$or*)) set(&O",ect!*Background+o$or*!*&ite*)end

functioneditB3+a$$"ack(&O",ect! eventdata! &and$es)% &O",ect &and$e to editB (see 1+BO)


% ints7 get(&O",ect!*String*) returns contents of editB as te't

% str9dou"$e(get(&O",ect!*String*)) returns contents of editB as adou"$e

% 5'ecutes during o",ect creation! after setting a$$ .ro.ertiesfunctioneditB3+reateFcn(&O",ect! eventdata! &and$es)% &O",ect &and$e to editB (see 1+BO)

% eventdata reserved to "e defined in a future version of MATLAB% &and$es em.t# &and$es not created unti$ after a$$ +reateFcnsca$$ed

% int7 edit contro$s usua$$# &ave a &ite "ackground on indos% See IS/+ and +OM/2T5Hifis.c EE iseJua$(get(&O",ect!*Background+o$or*)!

get(;!*defau$t2icontro$Background+o$or*)) set(&O",ect!*Background+o$or*!*&ite*)

end

Klasifikasi Buah Tomat Metode C-means

Documents

Transcript of Klasifikasi Buah Tomat Metode C-means