OCCURENCE MATRIX (GLCM) DENGAN KLASIFIKASI KNN …
Transcript of OCCURENCE MATRIX (GLCM) DENGAN KLASIFIKASI KNN …
i
``````
KLASIFIKASI MUTU BUAH JAMBU BIJI GETAS MERAH
BERDASARKAN TEKSTUR MENGGUNAKAN GREY LEVEL CO-
OCCURENCE MATRIX (GLCM) DENGAN KLASIFIKASI KNN
SKRIPSI
I GEDE WIRAYUDHANA
1310511014
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN” JAKARTA
FAKULTAS ILMU KOMPUTER
PROGRAM STUDI TEKNIK INFORMATIKA
2020
ii
KLASIFIKASI MUTU BUAH JAMBU BIJI GETAS MERAH
BERDASARKAN TEKSTUR MENGGUNAKAN GREY LEVEL
OCCURENCE MATRIX (GLCM) DENGAN KLASIFIKASI KNN
SKRIPSI
Diajukan Sebagai Salah Satu Syarat Untuk Memperoleh Gelar
Sarjana Komputer
I GEDE WIRAYUDHANA
1310511014
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN” JAKARTA
FAKULTAS ILMU KOMPUTER
PROGRAM STUDI TEKNIK INFORMATIKA
2020
iii
PERNYATAAN ORISINALITAS
iv
PERNYATAAN PERSETUJUAN PUBLIKASI SKRIPSI
UNTUK KEPENTINGAN AKADEMIS
Sebagai civitas akademik Universitas Pembangunan Nasional “Veteran” Jakarta, saya yang
bertanda tangan di bawah ini :
Nama : I Gede Wirayudhana
NIM : 1310511014
Fakultas : Ilmu Komputer
Program Studi : Teknik Informatika
Demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada Universitas
Pembangunan Nasional “Veteran” Jakarta Hak Bebas Royalti Non eksklusif (Non-exclusive
Royalty Free Right) atas karya ilmiah saya yang berjudul :
Klasifikasi Mutu Buah Jambu Biji Getas Merah Berdasarkan Tekstur
Menggunakan Grey Level Co-Occurence Matrix (GLCM) dan Klasifikasi KNN.
Beserta perangkat yang ada (jika diperlukan). Dengan Hak Bebas Royalti ini Universitas
Pembangunan Nasional “Veteran” Jakarta berhak menyimpan, mengalih media/formatkan,
mengelola dalam bentuk pangkalan data (database), merawat, dan mempublikasikan
Skripsi saya selama tetap mencantumkan nama saya sebagai penulis/pencipta dan sebagai
pemilik Hak Cipta.
Demikian penyataan ini saya buat dengan sebenarnya.
Dibuat di : Jakarta
Pada tanggal : 10 Juni 2020
Yang menyatakan,
(I Gede Wirayudhana)
v
LEMBAR PENGESAHAN
Dengan ini dinyatakan bahwa Skripsi berikut:
Nama : I Gede Wirayudhana
NIM : 1310511014
Program Studi : Informatika
Judul Tugas Akhir : Klasifikasi Mutu Buah Jambu Biji Getas Merah Berdasarkan
Tekstur Menggunakan Grey Level Co-Occurence Matrix (GLCM)
dan Klasifikasi KNN.
Telah berhasil dipertahankan di hadapan Tim Penguji dan diterima sebagai bagian
persyaratan yang diperlukan untuk memperoleh gelar Sarjana Komputer pada
Program Studi S1 Informatika, Fakultas Ilmu Komputer, Universitas Pembangunan
Nasional Veteran Jakarta.
Ditetapkan di : Jakarta
Tanggal Ujian : 9 Juli 2020
Jayanta, S.Kom., M.Si.
Penguji I
Nurul Chamidah, M.Kom.
Penguji II
Dr. Ermatita, M. Kom.
Pembimbing I
Yuni Widiastiwi, S.Kom., M.Si
Pembimbing II
Dr. Ermatita, M. Kom.
Dekan
Anita Muliawati, S.Kom., MTI.
Ketua Program Studi
vi
KLASIFIKASI MUTU BUAH JAMBU BIJI GETAS MERAH
BERDASARKAN TEKSTUR MENGGUNAKAN GREY LEVEL
CO-OCCURENCE MATRIX (GLCM) DENGAN KLASIFIKASI
KNN
I GEDE WIRAYUDHANA
Abstrak
Buah Jambu biji adalah buah yang banyak mengandung vitamin dan baik bagi
kesehatan. Jambu biji juga memiliki tingkat permintaan tinggi di Indonesia dan
memiliki pasar yang luas. Hal ini membuktikan bahwa jambu biji dikonsumsi oleh
masyarakat secara luas dan memiliki tingkat daya saing tinggi. selama ini
pengklasifikasian mutu jambu biji dilakukan dengan melakukan pengamatan
manual dengan melihat secara langsung permukaan fisik luar buah.
Pengklasifikasian secara manual ini memberikan hasil klasifikasi yang kurang
efektif dan tidak konsisten. Teknologi pengolahan citra digital atau Image
Proseccing dapat digunakan untuk mengklasifikasikan mutu jambu biji getas
merah yang sesuai dengan Standar Nasional Indonesia, terutama dari segi tekstur
luar jambu biji. Sistem ini menggunakan pengolahan citra untuk mengekstraksi
ciri tekstur luar permukaan buah jambu biji. Sebagai klasifikasi mutu digunakan
metode KNN (K-Nearest Neighbour). Sistem ini akan mengklasifikasikan jambu
biji ke dalam 3 kelas mutu, yakni kelas super, kelas A, dan kelas B,. KNN
dirancang dengan masukan 4 fitur ekstraksi nilai GLCM (energy, homogeneity,
correlation dan contrast) dengan menggunakan sudut 0 derajat. Dari hasil
pengujian didapatkan bahwa metode klasifikasi ini mampu memberikan akurasi
terbaik pada k=9 dalam metode KNN dengan akurasi 45,8%.
Kata Kunci : Jambu Biji;Pengolahan Citra Digital;Klasifikasi;KNN;GLCM
vii
CLASSIFICATION QUALITY OF RED GLASS JAMBU SEEDS
BASED ON TEXTURE USING GRAY LEVEL CO-
OCCURENCE MATRIX (GLCM) WITH KNN
CLASSIFICATION
I Gede Wirayudhana
Abstract
Guava is a fruit that contains lot of vitamin and is good for health. Guava also has a high
level of demand in Indonesia and has a big market. This proves that guava is widely
consumed by people and has a high level of competitiveness. During this classification
quality of guava by making manual observations by looking directly at the physical surface
of the fruit outside. This manual result classification in less effective and inconsistent.
Digital image processing technology or Image Proseccing can be used to classify the
quality of red brittle guava in accordance with the Indonesian National Standard, especially
in terms of the texture outside of guava. This system uses image processing to extract
texture characteristics outside the surface of guava. As a quality classification used the
KNN (K-Nearest Neighbor) method. This system will classify guava into 3 quality classes,
namely super class, class A, and class B ,. KNN is designed with input 4 features extraction
of GLCM values (energy, homogeneity, correlation and contrast) using a 0 degree angle.
From the test results it was found that this classification method is able to provide the best
accuracy at k = 9 in the KNN method with an accuracy of 45.8%
Keywords : Guava; Digital Image Processing; Classification; KNN; GLCM
viii
KATA PENGANTAR
Puji dan syukur penulis panjatkan ke hadirat Tuhan yang Maha Esa atas segala
karunia-Nya, sehingga skripsi ini berhasil diselesaikan. Penulis ingin mengucapkan terima
kasih kepada:
1. Kedua Orang tua yang telah memberikan dukungan, kepercayaan serta
doa yang tiada hentinya kepada penulis dalam menyelesaikan skripsi ini.
2. Ibu Dr. Ermatita, M.Kom dan Ibu Yuni Widiastiwi, S.Kom, M.Si Selaku
dosen pembimbing 1 dan 2 yang selalu memberikan dorongan kepada
saya agar dapat menyelesaikan skripsi ini.
3. Ibu Dr. Ermatita, M.Kom selaku Dekan Fakultas Ilmu Komputer.
4. Ibu Anita Muliawati, S.Kom., MTI. selaku Kepala program Studi
Informatika.
5. Teman-teman Fakultas Ilmu Komputer Universitas Pembangunan
Nasional Veteran Jakarta yang terlebih dahulu Lulus.
Penulis menyadari bahwa skripsi ini masih jauh dari sempurna, untuk itu penulis
mengharapkan saran dan kritik yang bersifat membangun dalam menyempurnakan
penelitian ini. Akhir kata dari penulis, semoga skripsi ini dapat bermanfaat bagi para
pembaca khususnya mahasiswa FIK UPN ”Veteran” Jakarta.
Jakarta, 10 Juni 2020
Penulis
( I Gede Wirayudhana )
ix
DAFTAR ISI
KLASIFIKASI MUTU BUAH JAMBU BIJI GETAS MERAH
BERDASARKAN TEKSTUR MENGGUNAKAN GREY LEVEL CO-
OCCURENCE MATRIX (GLCM) DENGAN KLASIFIKASI KNN ...................... i
PERNYATAAN ORISINALITAS ........................................................................ iii
PERNYATAAN PERSETUJUAN PUBLIKASI SKRIPSI UNTUK
KEPENTINGAN AKADEMIS ............................................................................. iv
LEMBAR PENGESAHAN .................................................................................... v
Abstrak ................................................................................................................... vi
Abstract ................................................................................................................. vii
KATA PENGANTAR ......................................................................................... viii
DAFTAR ISI .......................................................................................................... ix
DAFTAR TABEL .................................................................................................. xi
DAFTAR GAMBAR ............................................................................................ xii
BAB I ...................................................................................................................... 1
1.1 Latar Belakang .................................................................................................... 1
1.2 Rumusan Masalah ............................................................................................... 2
1.3 Batasan Masalah ................................................................................................. 2
1.4 Tujuan Penelitian ................................................................................................ 3
1.5 Manfaat Penelitian .............................................................................................. 4
1.6 Sistematika Penulisan ......................................................................................... 4
BAB II ..................................................................................................................... 6
2.1 Jambu Biji ........................................................................................................... 6
2.2 Standar Mutu Buah Jambu Biji ........................................................................... 6
2.3 Citra..................................................................................................................... 7
2.4 Pengolahan Citra ................................................................................................. 8
2.5 Matlab ................................................................................................................. 8
2.7 Citra Grayscale .................................................................................................... 9
2.8 K-Nearest Neighbor ( K-NN) ........................................................................... 10
2.9 Grey Level Coocurance Matrix (GLCM) ......................................................... 11
2.10 Penelitian Relevan ............................................................................................ 15
BAB III ................................................................................................................. 17
3.1 Kerangka Berfikir ............................................................................................. 17
3.2 Identifikasi Masalah .......................................................................................... 18
x
3.3 Studi Pustaka ..................................................................................................... 18
3.4 Persiapan Data .................................................................................................. 18
3.5 Pembagian Data ................................................................................................ 19
3.6 Pra Proses .......................................................................................................... 19
3.7 Ekstraksi ciri ..................................................................................................... 20
3.8 Pengujian KNN ................................................................................................. 20
3.9 Hasil .................................................................................................................. 21
3.10 Kebutuhan Sistem ............................................................................................. 21
3.10.1 Perangkat Keras ........................................................................................ 21
3.10.2 Perangkat Lunak ....................................................................................... 21
BAB IV ................................................................................................................. 23
4.1 Persiapan Data .................................................................................................. 23
4.2 Pembagian Data ................................................................................................ 23
4.3 Pra Proses .......................................................................................................... 25
4.3.1 Cropping ................................................................................................... 25
4.3.2 Resize ........................................................................................................ 26
4.3.3 Greyscale ................................................................................................... 27
4.4 Ekstraksi Ciri .................................................................................................... 28
4.5 Contoh Perhitungan Manual GLCM ................................................................. 33
4.6 Klasifikasi KNN ................................................................................................ 37
4.7 Hasil Perhitungan Pengujian Akurasi ............................................................... 43
4.8 GUI ................................................................................................................... 45
4.8.1 GUI Awal .................................................................................................. 45
4.8.2 GUI Klasifikasi Citra ................................................................................ 46
4.8.3 GUI setelah klasifikasi KNN ................................................................... 46
BAB V ................................................................................................................... 48
5.1 Simpulan ........................................................................................................... 48
5.2 Saran ................................................................................................................. 48
RIWAYAT HIDUP ............................................................................................... 49
DAFTAR PUSTAKA ........................................................................................... 50
LAMPIRAN .......................................................................................................... 52
xi
DAFTAR TABEL
Table 1 Tabel Penelitian Relevan .......................................................................... 28
Table 2 Jadwal Penelitian ...................................................................................... 35
Table 3 Pembagian Kelas....................................................................................... 37
Table 4 Pembagian Data ........................................................................................ 37
Table 5 Pembagian Data Latih Uji......................................................................... 38
Table 6 Ciri Data Latih .......................................................................................... 41
Table 7 Ciri Data Uji.............................................................................................. 45
Table 8 Tabel Piksel Citra ...................................................................................... 47
Table 9 Tabel Kondisi Perubahan Nilai Piksel ...................................................... 47
Table 10 Tabel Scale Invariant .............................................................................. 48
Table 11 Tabel Hasil Matrix GLCM ..................................................................... 48
Table 12 Tabel I ..................................................................................................... 49
Table 13 Tabel J ..................................................................................................... 49
Table 14 Tabel Penggabungan Matrix I dan J ....................................................... 50
Table 15 Tabel Pemangkatan 2 Matrix I dan J ...................................................... 50
Table 16 Ciri 1 Data Latih ..................................................................................... 51
Table 17 Ciri Data Uji............................................................................................ 51
Table 18 Hasil Perhitungan Jarak Data Uji Ke Latih ............................................ 52
Table 19 Jarak Terdekat K1 ................................................................................... 55
Table 20 Tabel Klasifikasi data yang di uji ........................................................... 55
Table 21 Hasil Akurasi .......................................................................................... 57
xii
DAFTAR GAMBAR
Gambar 1 Perhitungan GLCM (Sumber: Mathworks Graycomatrix) ................... 25
Gambar 2 Contoh arah untuk GLCM dengan sudut derajat 0,45,90, dan 135 ...... 26
Gambar 3 Diagram Alur Penelitian ....................................................................... 30
Gambar 4 Sampel Buah Jambu Biji Getas Merah ................................................. 36
Gambar 5 proses Sebelum Cropping ..................................................................... 39
Gambar 6 Proses Sesudah Cropping ...................................................................... 39
Gambar 7 Citra Sesudah Resize ............................................................................. 40
Gambar 8 Citra sesudah Grayscale ........................................................................ 40
Gambar 9 Citra pada Gambar 8 ............................................................................. 46
Gambar 10 Diagram Akurasi ................................................................................. 57
Gambar 11 Tampilan GUI Awal............................................................................ 58
Gambar 12 GUI Klasifikasi Citra .......................................................................... 59
Gambar 13 Hasil Klasifikasi KNN ........................................................................ 59