BAB III MODEL DAN PERANCANGAN SISTEM
3.3 Diagram Alir Klasifikasi Kualitas Biji Jagung
Proses klasifikasi kualitas biji jagung terbagi menjadi dua skenario, yaitu : pembuatan database dan pengujian sistem klasifikasi. Prinsipnya, citra latih dan citra uji yang telah diekstraksi dibandingkan jarak terdekatnya dengan K-Nearest Neighbor. Jarak yang terdekat menunjukkan kemiripan suatu citra. Hasil dari kemiripan tersebut berupa kualitas biji jagung pada keluaran. Berikut adalah diagram alir dari sistem klasifikasi kualitas biji jagung yang terdiri dari pembuatan database dan proses pengujian.
Mulai
Citra Uji
Preprocessing
Penentuan kombinasi ciri Pengubahan mode warna citra
Blok k-NN Klasifikasi kualitas biji jagung
Kualitas biji jagung
Selesai Ekstraksi ciri dengan Statistik Orde Pertama dan Orde Kedua
Data ciri citra uji
Tentukan metode pengukuran jarak dan nilai k
(b) Preprocessing
Mulai
Ekstraksi ciri dengan Statistik Orde Pertama dan Orde Kedua
Citra Latih
Database ciri citra latih Pengubahan mode warna citra
(a)
Sistem Klasifikasi Kualitas Biji Jagung Berdasarkan Tekstur Berbasis Pengolahan
Citra Digital 25
Database pada sistem adalah ciri dari masing-masing kualitas biji jagung pada citra latih yang disimpan dalam file *.mat. Melalui database ciri citra latih tersebut, maka digunakan untuk membandingkan ciri citra latih dengan ciri citra uji dalam klasifikasi.
Pengujian pada sistem klasifikasi adalah pengujian berdasarkan parameter uji yang digunakan. Dalam fase pengujian akan dilakukan uji pengaruh penggunaan kombinasi ciri yang diekstraksi oleh statistik orde pertama dan orde kedua, jumlah k, dan metode pengukuran jarak pada K-Nearest Neighbor terhadap akurasi sistem.
3.3.1 Pengambilan Sampel Citra Biji Jagung
Pengambilan sampel citra biji jagung dilakukan dengan meng-capture citra sampel biji jagung menggunakan kamera digital berukuran 12 megapiksel. Sampel biji jagung yang tersedia sekitar 500 gram per kualitas. Langkah-langkah dalam akuisisi citra diantaranya : menaruh sampel biji jagung sebanyak 3 genggam di atas wadah, kemudian wadah tersebut diletakkan di dalam kotak yang telah dibuat khusus, posisi kamera tegak lurus dengan objek dan dengan ketinggian 15 cm, serta pengaturan cahaya menggunakan 2 lampu LED di dua sisi objek, lalu dilakukan pengambilan citra.
Mulai Sampel biji jagung Penempatan sampel ke dalam kotak Pengaturan penyinaran Pengambilan citra Selesai
Sistem Klasifikasi Kualitas Biji Jagung Berdasarkan Tekstur Berbasis Pengolahan
Citra Digital 26
3.3.2 Preprocessing
Preprocessing adalah tahapan yang dilakukan sebelum melakukan ekstraksi ciri. Tahapan yang dilakukan dalam preprocessing adalah sebagai berikut. Mulai Input Citra Cropping Citra Hasil Cropping Selesai
Gambar 3.4 Diagram Alir Preprocessing
Proses cropping dilakukan untuk menghilangkan bagian-bagian citra yang tidak perlu dan didapat citra dengan ukuran yang seragam dengan ukuran 2000 x 2000. Citra hasil cropping ini berikutnya akan masuk ke proses ekstraksi ciri dengan terlebih dahulu diubah ke mode warna grayscale, red, green, dan blue untuk mengetahui mode warna yang paling baik untuk akurasi sistem.
Sistem Klasifikasi Kualitas Biji Jagung Berdasarkan Tekstur Berbasis Pengolahan
Citra Digital 27
3.3.3 Pengubahan Mode Warna Citra
Ekstraksi Ciri Citra Hasil
Cropping
Ambil layer red
Ambil layer green
Ambil layerblue
Konversi dari RGB ke Grayscale Citra green Citra red Citra blue Citra grayscale
Gambar 3.6 Proses Pengubahan Mode Warna Citra
Citra awal yang masuk ke dalam sistem merupakan citra RGB berukuran 3000 x 4000 dengan format JPEG. Setelah melalui tahap cropping dalam sistem, citra yang dihasilkan berukuran 2000 x 2000. Citra tersebut diubah ke 4 mode warna, yaitu red, green, blue, dan grayscale. Pengubahan warna ini dilakukan untuk mengetahui mode warna yang memiliki akurasi paling baik di dalam sistem.
(a) (b) (c) (d) Gambar 3.7 (a) Citra Red (b) Citra Green (c) Citra Blue (d) Citra Grayscale
3.3.4 Ekstraksi Ciri
Ekstraksi ciri dilakukan untuk mendapatkan ciri tekstur dari citra biji jagung yang akan dilatih maupun citra yang akan diuji. Citra yang akan diekstrak untuk database ciri latih sebanyak 45 citra biji jagung, sedangkan citra yang diekstrak untuk pengujian sebanyak 135 citra biji jagung. Setelah mengalami proses
Sistem Klasifikasi Kualitas Biji Jagung Berdasarkan Tekstur Berbasis Pengolahan
Citra Digital 28
pengubahan warna, citra diekstrak dengan metode ekstraksi ciri statistik orde pertama dan orde kedua. Ciri orde pertama terdiri dari lima parameter ciri, yaitu mean, variance, skewness, kurtosis, dan entropy. Sedangkan ciri orde kedua terdiri dari enam parameter ciri, yaitu angular second moment, contrast, correlation, variance, invers different moment, dan entropy. Ciri latih yang disimpan akan dibandingkan dengan ciri citra uji pada tahapan klasifikasi.
Angular Second Moment Contrast Correlation Variance Inverse Different Moment Entropy Mean Skewness Variance Kurtosis Entropy Ekstraksi Ciri Citra Latih Orde Satu Orde Dua
Gambar 3.8 Blok Diagram Ekstraksi Ciri
3.3.5 Penentuan Kombinasi Ciri
Pada tahap pengujian, setelah tahap ekstraksi ciri akan ditentukan ciri-ciri yang akan digunakan. Penentuan dilakukan dengan cara menguji akurasi dari setiap ciri orde pertama dan orde kedua. Pada tahap ini, diberi batasan bahwa ciri yang memiliki akurasi lebih dari 55 % yang diambil. Ciri yang diambil ini lalu saling dikombinasikan untuk mengetahui kombinasi ciri yang menghasilkan akurasi terbaik dan harus sesuai target yang diharapkan yaitu lebih dari 80 %.
Sistem Klasifikasi Kualitas Biji Jagung Berdasarkan Tekstur Berbasis Pengolahan
Citra Digital 29
Mulai Citra Uji Preprocessing Pengubahan mode warna citra Pilih satu ciri dari statistik orde pertama
dan orde kedua Klasifikasi dengan
K-NN (default)
Akurasi > 55 % ?
Ciri dipilih Ciri tidak dipilih
Kombinasi ciri
Selesai Ya Tidak
Gambar 3.9Diagram Alir Penentuan Kombinasi Ciri
Seperti yang sudah dijelaskan sebelumnya, kombinasi ciri dilakukan pada ciri yang ketika diuji memiliki akurasi lebih dari 55 %. Dari ciri yang didapat akan saling dikombinasikan hingga kombinasi n ciri. Sebagai contoh, jika ada 6 ciri yang memiliki akurasi lebih dari 55 % maka akan dilakukan kombinasi-kombinasi ciri antara lain : kombinasi-kombinasi 2 ciri, kombinasi-kombinasi 3 ciri, kombinasi-kombinasi 4 ciri, kombinasi 5 ciri, dan kombinasi 6 ciri. Setelah didapat akurasi masing-masing dari kombinasi ciri, akan dianalisis kombinasi ciri yang menghasilkan akurasi tertinggi. Kombinasi ciri dengan akurasi tertinggi akan dipakai saat menganalisa pengujian menggunakan K-Nearest Neighbor.
3.3.6 Klasifikasi dengan K- Nearest Neighbor
K- Nearest Neighbor (K-NN) adalah metode pengukuran kemiripan yang sederhana. Penelitian Tugas akhir ini menggunakan empat cara dalam pengukuran kemiripannya, yaitu berdasarkan Euclidean, Cosine, Correlation, dan Cityblock. Euclidean dan Cityblock tergolong dalam metode pengukuran kemiripan berdasarkan geometrik, sedangkan Correlation dan Cosine tergolong dalam metode pengukuran kemiripan berdasarkan himpunan.
Analisis yang dilakukan pada K-NN adalah pengaruh penggunaan pengukuran kemiripan dan nilai k yang digunakan terhadap akurasi sistem dalam mengklasifikasi kualitas biji jagung. Nilai k yang di uji adalah 1, 3, dan 5.
Sistem Klasifikasi Kualitas Biji Jagung Berdasarkan Tekstur Berbasis Pengolahan
Citra Digital 30
Dipilihnya nilai k yang ganjil agar mengurangi kesalahan algoritma jika peluang kemiripannya sama.