Dalam bab ini akan dijelaskan analisis sistem, metodologi (skema alur sistem) dan desain user interface. Metodologi dilakukan untuk menjelaskan setiap tahap yang dilakukan dalam proses pengenalan pola buah – buahan dengan menggunakan metode Bayesian sehingga akan dihasilkan sistem yang maksimal.
IV.1. Analisis Sistem
Terdapat banyak sekali jenis buah yang ada, masing – masing buah mempunyai varietas yang berbeda – beda. Buah – buahan tersebut hanya akan dibedakan menurut jenisnya tanpa memperhatikan varietasnya. Setiap jenis buah memiliki karakteristik yang unik. Salah satu contoh karakteristik unik dari buah dapat dilihat dari bentuknya. Dengan mengenali buah dari ciri – cirinya (baik dari bentuk, warna maupun teksturnya), maka dapat diketahui bahwa buah dengan ciri tertentu dikelompokan dalam jenis yang sama.
Terdapat beberapa metode yang dapat digunakan untuk mengenali pola, salah satunya adalah metode Bayesian. Metode Bayesian adalah pendekatan statistik yang didasarkan pada keputusan klasifikasi dengan menggunakan probabilitas.
Data berupa image atau gambar yang didapat dengan memotret obyek buah – buahan, yaitu buah apel, pisang, jeruk, mangga dan buah stroberi. Data yang akan digunakan adalah gambar buah yang utuh, tidak terpotong dan tidak bergerombol. Untuk gambar buah yang bertumpuk atau bergerombol dilakukan pengeditan agar menjadi satu buah saja dan yang lain dianggap sebagai noise yang harus dihilangkan. Proses pengeditan merupakan bagian dalam tahap pre – processing.
19
Data yang digunakan 400 buah. Terdapat lima jenis buah, masing – masing jenis buah sebanyak 80 buah. Setiap jenis buah diambil contoh yang berbeda – beda.
Karakteristik :
Tabel 3.1: Tabel Karakteristik Buah
Jenis buah Warna Bentuk
Apel Merah, Hijau Bulat dengan bagian atas lebih besar dari bagian bawah
Jeruk Kuning, Hijau Bulat
Mangga Hijau, Kuning Elips pendek, melengkung di bagian bawah.
Pisang Kuning, Hijau Silinder, elips memanjang , melengkung ditengah
Stroberi Merah Kerucut
IV.2. Skema
Proses pengenalan pola buah – buahan dengan menggunakan metode Bayesian secara garis besar ditunjukan pada gambar 3.1 sebagai berikut :
gambar.jpg (gambar asli)
Feature
analisis Pengenalan pola
dengan metode Bayesian Data hasil klasifikasi Hasil pengklasifikasian Gambar 3.1:
20
Gambar 3.1 menunjukan garis besar proses pengenalan buah – buahan dengan menggunakan metode Bayesian. Inputan berupa feature asli gambar buah bertipe JPG sebagai data mentah. Data akan diekstrak featuresnya yang kemudian akan menjadi data inputan dalam proses pengenalan pola sehingga menghasilkan output berdasarkan data yang telah dikenali sebagai data hasil pengklasifikasian.
IV.1.1. Feature Analisis
Masing - masing buah mempunyai karakter yang berbeda, perbedaan karakter buah dapat digunakan untuk membedakan jenis buah yang satu dengan yang lain. Beberapa karakter yang sering digunakan untuk membedakan jenis buah antara lain ukuran, warna, tekstur dan berat. Tetapi dalam penelitian ini hanya akan menggunakan 2 karakter saja yang akan dijadikan sebagai feature pembeda jenis buah, yaitu warna dan ukuran.
Dalam tahap ini, akan ditentukan perhitungan untuk masing - masing featurenya.
Feature yang digunakan adalah sebagai berikut :
• Perbandingan ukuran
Perbandingan ukuran yang akan digunakan adalah perbandingan jarak horizontal dan vertikal.
• Menghitung rata – rata Hue
• Menghitung rata – rata RGB ((R + G + B) / 3)
• Menghitung rata – rata nilai R
• Menghitung rata – rata nilai G
• Menghitung rata – rata nilai B
• Menghitung nilai (2R - (G + B))
21 • Menghitung nilai (2B – (G + R))
IV.1.2. Pengenalan dengan menggunakan metode Bayesian
Setelah tahap feature analisis dilakukan, tahap selanjutnya adalah proses pengenalan pola buah – buahan dengan menggunakan metode Bayesian. Proses pengenalannya ditunjukan dalam gambar berikut :
maksimum
Klasifikasi / testing Feature yang
telah diekstrak
Penghitungan mean dan standar
deviasi
MODEL
Mean dan standar deviasi masing – masing feature
untuk setiap jenis buah
training Penghitungan nilai probability density function Penghitungan nilai likelihood Hasil klasifikasi Penghitungan nilai probabilitas Gambar 3.2:
Skema pengenalan pola buah menggunakan metode Bayesian
Gambar 3.2 menjelaskan proses pengenalan pola buah. Inputannya adalah data yang telah mengalami pengekstrakan feature kemudian dilakukan proses pengenalan dengan menggunakan metode Bayesian. Dalam proses ini terdapat 2 tahap yang harus dilalui sebelum akhirnya data dapat diklasifikasikan, yaitu tahap training dan tahap
testing. Proses pengenalan ini menggunakan metode five folds. Metode ini digunakan untuk membagi data, data untuk training dan data untuk testing.
22
III.2.2.1. Five folds
Tahap ekstraksi feature menggunakan file JPEG yang diekstrak untuk mendapatkan model pada setiap jenis buah dan kemudian mengklasifikasikan sampel-sampel buah ke dalam kelompok buah tertentu dengan model pola buah yang sesuai.
Metode five folds akan membagi data menjadi 5 bagian, 4 bagian untuk data
training dan 1 bagian untuk data testing. Terdapat 5 jenis buah, setiap jenis buah mempunyai 80 sampel buah. Penghitungan five folds sebagai berikut:
Dari hasil perhitungan didapatkan 16 sampel untuk setiap bagiannya. Jumlah seluruh data adalah 400 sampel, maka untuk data training sebanyak 320 sampel (4 bagian sampel) sedangkan untuk data testing diambilkan dari 80 sampel sisanya (1 bagian sampel). Pembagian sampel ditunjukkan pada tabel 3.2 berikut :
Tabel 3.2
Tabel Pembagian Sampel
Bagian Buah Apel Bagian Buah Jeruk
1 16 sampel 1 16 sampel
2 16 sampel 2 16 sampel
3 16 sampel 3 16 sampel
4 16 sampel 4 16 sampel
23
Tabel 3.3 dibawah menunjukan percobaan pada saat proses pengenalan pola. Jika data training diambil dari sampel bagian 1, 2, 3 dan 4, maka bagian 5 akan dijadikan sebagai data testing. Begitu juga untuk percobaan selanjutnya, jika 4 bagian sudah dijadikan data training 1 bagian sisanya digunakan untuk data testing.
Bagian Buah Mangga Bagian Buah
Pisang 1 16 sampel 1 16 sampel 2 16 sampel 2 16 sampel 3 16 sampel 3 16 sampel 4 16 sampel 4 16 sampel 5 16 sampel 5 16 sampel
Bagian Buah Stroberi
1 16 sampel
2 16 sampel
3 16 sampel
4 16 sampel
24 Tabel 3.3 Tabel Percobaan
Percobaan Training Testing 1 Bagian 1, 2, 3, 4 Bagian 5
2 Bagian 1, 2, 3, 5 Bagian 4
3 Bagian 1, 2, 4, 5 Bagian 3
4 Bagian 1, 3, 4, 5 Bagian 2
5 Bagian 2, 3, 4, 5 Bagian 1
III.2.2.2. Tahap training
Feature yang
telah diekstrak Penghitungan nilai mean dan standar deviasi
dimodelkan model apel pisang jeruk mangga stroberi f1 f2 ….. fn µ1,σ1 µ2,σ2 µn,σn µ1,σ1 µ2,σ2 µn,σn …. …. µ1,σ1 µ2,σ2 …. µn,σn µ1,σ1 µ2,σ2 …. µn,σn µ1,σ1 µ2,σ2 …. µn,σn Gambar 3.3
Skema alur pikir tahap training
Gambar 3.3 diatas menjelaskan skema alur pikir tahap training. f1, f2,…., fn
25
model untuk setiap jenis buah. Data untuk training sebanyak 320 buah, didapat dari perhitungan five fold.
= 320 sampel
Setelah dilakukan ekstraksi feature, kemudian data akan dimodelkan. Model data
diperoleh dari penghitungan mean (µ) dan standar deviasi (σ) untuk setiap jenis buah.
Dari gambar 3.3 ditunjukan hasil penghitungan µ dan σ dari masing - masing jenis buah untuk setiap feature, model (µ1, σ1) adalah mean dan standar deviasi untuk
feature 1, (µ2, σ2) adalah mean dan standar deviasi untuk feature 2, (µ3, σ3) adalah mean dan standar deviasi untuk feature 3, (µn, σn) adalah mean dan standar deviasi untuk feature ke-n. Karena dalam penelitian ini menggunakan 9 feature, maka akan didapatkan model (µ1, σ1), (µ2, σ2), (µ3, σ3) sampai (µ9, σ9).
III.2.2.3. Tahap testing
Penghitungan nilai likelihood Feature yang telah diekstrak Penghitungan nilai probabilitas Pilih probabilitas
maksimum Hasil klasifikasi
model
Gambar 3.4
26
Gambar 3.4 menjelaskan skema alur pikir tahap testing. Tujuan dari tahap ini adalah mengenali obyek. Dalam tahap ini diperlukan data baru ( data testing ) yang harus berbeda dengan data training. Data untuk testing sebanyak 80 buah, didapat dari perhitungan five fold.
= 80 sampel
Langkah awal tahap ini sama dengan langkah awal pada tahap training, yaitu mengekstrak feature. Setelah pengekstrakan feature, langkah selanjutnya adalah pengenalan pola dengan metode Bayesian. Hasil dari pengenalan ini akan dibandingkan dengan model yang sudah terbentuk pada tahap training. Pada saat proses pembandingan akan dihitung nilai likelihood dan nilai probabilitas. Dari hasil pembandingan dipilih nilai probabilitas yang maksimum, setelah nilai probabilitas maksimum ditentukan maka dapat diketahui klasifikasinya.
IV.1.3. Evaluasi
Dalam tahap evaluasi ini akan dihitung tingkat keakurasian percobaan. Berdasar pembagian data dengan metode five fold, maka akan terdapat 5 kali percobaan. Dari tahap testing dapat diketahui berapa banyak buah apel yang dikenali sebagai apel, pisang, jeruk, mangga, stroberi; buah pisang yang dikenali sebagai apel, pisang, jeruk, mangga, stroberi; buah jeruk yang dikenali sebagai apel, pisang, jeruk, mangga, stroberi; buah mangga yang dikenali sebagai apel, pisang, jeruk, mangga, stroberi; buah stroberi yang dikenali sebagai apel, pisang, jeruk, mangga, stroberi.
27
berikut (percobaan diulang sebanyak 5 kali) :
Tabel 3.4 Confusion Matrix
Dari hasil percobaan diatas, dapat dihitung tingkat akurasi dari percobaan yang telah dilakukan. Penghitungan tingkat akurasi :
Untuk kasus diatas, ∑ data benar adalah jumlah angka yang terdapat pada diagonal
matriks. Sedangkan ∑ data total adalah jumlah keseluruhan data yang digunakan
untuk testing / pengujian.
IV.3. Studi Awal
Dalam mata kuliah Pengenalan Pola, penelitian ini sudah pernah dilakukan. Tetapi data dan feature yang digunakan tidak sebanyak data dan feature yang digunakan dalam penelitian ini. Dalam mata kuliah Pengenalan Pola data yang digunakan adalah 50 buah yang terdiri dari 5 jenis buah (buah apel, pisang, jeruk, mangga dan buah stroberi) setiap jenis buah terdiri dari 10 buah dan hanya
apel Pisang jeruk mangga stroberi apel
pisang
jeruk
mangga
28
menggunakan 4 buah feature, yaitu perbandingan jarak horizontal : vertikal, nilai rata – rata Hue, perbandingan warna hijau : merah, dan perbandingan warna kuning : merah.
Dari data sebanyak 50 buah dan hanya menggunakan 4 buah feature, akurasi yang didapatkan sebesar 67%.
IV.4. Perancangan Desain Tampilan Program III.4.1. Perancangan Form Halaman Utama
PENGENALAN JENIS BUAH MENGGUNAKAN METODE BAYESIAN
Gambar Asli
Buka Gambar
Pengenalan Gambar
Bant uan
Tent ang Program
Keluar
Gambar 3.5
Perancangan Form Halaman Utama
Dalam tampilan form halaman utama terdapat 5 tombol menu, yaitu tombol Buka Gambar, Pengenalan Gambar, Bantuan, Tentang Program, Keluar) dan 1 plot untuk menampilkan Gambar..
Kegunaan dari tiap – tiap tombol menu : 1. Buka Gambar
Tombol Buka Gambar berguna untuk mengambil file gambar dari folder penyimpanan. File yang telah dibuka akan tertampil di plot.
29
2. Pengenalan Gambar
Tombol Pengenalan Gambar akan didisable apabila tidak ada gambar yang dibuka. Tombol Pengenalan Gambar akan aktif kembali jika user membuka sebuah file gambar. Kegunaan dari tombol ini adalah untuk pengenali gambar menggunakan metode Bayesian.
3. Bantuan
Tombol Bantuan digunakan untuk memperoleh informasi tentang penggunaan program.
4. Tentang Program
Tombol Tentang program digunakan untuk meperoleh informasi tentang pembuat program.
5. Keluar
Tombol Keluar digunakan untuk keluar dari program. III.4.2. Perancangan Form Buka Gambar
Open File Look in: I si Folder Open Cancel File Name: Files of Type: Gambar 3.6
30
Form Buka Gambar berfungsi untuk mengambil gambar yang akan dikenali.
Field Look in, digunakan untuk mencari folder tempat gambar disimpan. Yang kemudian isi folder akan tertampil di kotak dibawahnya. Jika salah satu isi folder
disorot, nama file citra tersebut akan tertampil di field File Name. Field Files of Type
digunakan untuk mencari jenis file apa yang akan dibuka. Jika file citra telah ditemukan klik tombol Open untuk membuka file citra. Jika ingin membatalkan gunakan tombol Cancel.
III.4.3. Perancangan Form Pengenalan Gambar
Pengenalan Gambar
Nama File : Proses
Hasil perhit ungan
feat ure Hasil perhit ungan bayes
Gambar yang akan dikenali
Kesimpulan :
Gambar disamping dikenali sebagai :
Gambar 3.7
Perancangan Form Pengenalan Gambar
Form pengenalan gambar berfungsi untuk mengetahui hasil penghitungan pada saat proses pengenalan. Field Nama File, digunakan untuk menuliskan file yang akan dikenali. Field proses akan disable jika nama file tidak dituliskan. Field proses akan kembali aktif jika field Nama File terisi. Setelah field Nama File terisi dan tombol
31
proses ditekan maka akan muncul hasil perhitungan feature dan hasil perhitungan bayes yang akan tertampil dalam plot. Plot gambar yang akan dikenali digunakan untuk menunjukan gambar yang mengalami proses pengenalan.
III.4.4. Perancangan Form Batuan
Bantuan
PENGENALAN JENI S BUAH MENGGUNAKAN METODE BAYESI AN
Tujuan program Batasan program Penggunaan program
Gambar 3.8
Perancangan Form Bantuan
Form bantuan berisi menu tujuan program, batasan program dan menu petunjuk penggunaan program.
32
III.4.5. Perancangan Form Tentang Program
Tentang Program
PENGENALAN JENI S BUAH MENGGUNAKAN METODE BAYESI AN
Tugas Akhir :
MF. I ndah Aryanti Puspitarini 055314047
Jurusan Teknik I nformatika, Fakultas Sains dan Teknologi Universitas Sanata Dharma
Yogyakarta 2009
Gambar 3.9
Perancangan Form Tentang Program
Form Tentang Program menampilkan informasi tentang pembuatan program Pengenalan Jenis Buah Menggunakan Metode Bayesian.
33