RANCANG BANGUN APLIKASI PENDETEKSI KEMANISAN BUAH DENGAN ALGORITMA NAÏVE BAYES CLASSIFIER DAN FAST FOURIER TRANSFORM SKRIPSI

(1)

RANCANG BANGUN APLIKASI PENDETEKSI KEMANISAN BUAH DENGAN ALGORITMA NAÏVE BAYES CLASSIFIER

DAN FAST FOURIER TRANSFORM

SKRIPSI

Diajukan sebagai salah satu syarat untuk memperoleh gelar Sarjana Komputer (S.Kom.)

Putri Martaguna 12110110052

PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNIK DAN INFORMATIKA UNIVERSITAS MULTIMEDIA NUSANTARA

TANGERANG 2017

(2)

LEMBAR PENGESAHAN SKRIPSI

RANCANG BANGUN APLIKASI PENDETEKSI KEMANISAN BUAH DENGAN ALGORITMA NAÏVE BAYES CLASSIFIER DAN FAST

FOURIER TRANSFORM

oleh

Nama : Putri Martaguna

NIM : 12110110052

Program Studi : Teknik Informatika Fakultas : Teknik dan Informatika

Tangerang, 13 Februari 2017

Ketua Sidang Dosen Penguji

Seng Hansun, S.Si., M.Cs. Marcel Bonar Kristanda, S.Kom.,M.Sc

Dosen Pembimbing,

Ranny S.Kom., M.Kom.

Mengetahui, Ketua Program Studi

Maria Irmina P., S.Kom., M.T.

(3)

PERNYATAAN TIDAK MELAKUKAN PLAGIAT

Dengan ini saya,

Nama : Putri Martaguna

NIM : 12110110052

Program Studi : Teknik Informatika Fakultas : Teknik dan Informatika

menyatakan bahwa skripsi yang berjudul “Rancang Bangun Aplikasi Pendeteksi Kemanisan Buah dengan Algoritma Naïve Bayes Classifier dan Fast Fourier Transform” ini adalah karya ilmiah saya sendiri, bukan plagiat dari karya ilmiah yang ditulis oleh orang lain atau lembaga lain, dan semua karya ilmiah orang lain atau lembaga lain yang dirujuk dalam skripsi ini telah disebutkan sumber kutipannya serta dicantumkan di Daftar Pustaka.

Jika di kemudian hari terbukti ditemukan kecurangan/ penyimpangan, baik di dalam pelaksanaan skripsi maupun dalam penulisan laporan skripsi, saya bersedia menerima konsekuensi dinyatakan TIDAK LULUS untuk mata kuliah Skripsi yang telah saya tempuh.

Tangerang, 13 Februari 2017

Putri Martaguna

(4)

HALAMAN PERSEMBAHAN

This is for you, Fifi,Hadi, and Mega.

(5)

KATA PENGANTAR

Puji dan syukur kepada Tuhan Yang Maha Dahsyat atas berkat, rahmat, kasih, dan bimbingan-Nya, sehingga penulis dapat menyelesaikan skripsi yang berjudul “Rancang Bangun Aplikasi Pendeteksi Kemanisan Buah dengan Algoritma Naïve Bayes Classifier dan Fast Fourier Transform” ini tepat waktu.

Penulis juga ingin mengucapkan terima kasih kepada:

1. Dr. Ninok Leksono, Rektor Universitas Multimedia Nusantara, yang memberi inspirasi bagi penulis untuk berprestasi,

2. Kanisius Karyono, S.T., M.T., selaku Dekan Fakultas Teknik dan Informatika Universitas Multimedia Nusantara,

3. Maria Irmina P., S.Kom., M.T., selaku Ketua Program Studi Teknik Informatika,

4. Ranny, S.Kom., M.Kom., Dosen Pembimbing, yang membimbing pembuatan laporan dan program dan serta mengajarkan penulis tata cara menulis karya ilmiah dengan benar, dan

5. Keluarga dan teman-teman yang telah memberikan dukungan terbesar kepada penulis dalam menyelesaikan tugas akhir.

Semoga skripsi ini dapat bermanfaat, baik sebagai sumber informasi maupun sumber inspirasi, bagi para pembaca.

Tangerang, Februari 2017

Putri Martaguna

(6)

RANCANG BANGUN APLIKASI PENDETEKSI KEMANISAN BUAH DENGAN ALGORITMA NAÏVE BAYES CLASSIFIER

DAN FAST FOURIER TRANSFORM

ABSTRAK

Semangka dan Melon merupakan buah yang digemari oleh masyarakat Indonesia.

Namun penentuan kematangan dan kemanisan kedua buah tersebut masih menggunakan cara manual yang membutuhkan waktu lebih lama dan biasanya harus merusak buah dalam pengujiannya. Cara tersebut sering kali tidak akurat karena persepsi setiap orang berbeda. Dari permasalahan tersebut, dilakukanlah penelitian untuk mendeteksi kemanisan buah semangka dan melon berbasis suara ketukan dengan menggunakan algoritma Naïve Bayes Classifier sebagai algoritma untuk pengklasifikasian kemanisan buah dan Fast Fourier Transform sebagai ciri dan identitas dari suara yang diketuk. Setelah melakukan implementasi dan melalui proses uji, aplikasi ini dinilai cukup baik dalam mendeteksi kemanisan buah, dengan akurasi untuk buah semangka sebesar 70% dan buah melon sebesar 69.46%.

Kata kunci : FFT, melon, naïve bayes classifier, pendeteksi kemanisan, semangka.

(7)

DESIGN AND DEVELOPMENT OF APPLICATION FOR DETECTING THE SWEETNESS OF FRUITS USING NAÏVE

BAYES CLASSIFIER AND FAST FOURIER TRANSFORM ALGORITHM

ABSTRACT

Watermelon and Melon are fruits that loved by Indonesian society. But detecting the sweetness of those fruits is still using manual method that need longer time and it has to break the fruits. Sometimes this method is inaccurate because of the different perception. According to that problem, the research for detecting the sweetness of watermelon and melon by knocking the fruits using Naïve Bayes Classifier and Fast Fourier Transform algorithm is made. Naïve Bayes Classifier is an algorithm for classifying the sweetness and Fast Fourier Transform is an algorithm for characterizing the sound of knocking. After doing the implementations and passing the testing processes, this application is rated good enough in detecting the sweetness of the fruits, the accuracy for watermelon is 70% and for melon is 69.46%.

Key words : FFT, melon, naïve bayes classifier, sweetness detector, watermelon.

(8)

DAFTAR ISI

LEMBAR PENGESAHAN SKRIPSI ... ii

PERNYATAAN TIDAK MELAKUKAN PLAGIAT ... iii

HALAMAN PERSEMBAHAN ... iv

KATA PENGANTAR ... v

ABSTRAK ... vi

ABSTRACT ... vii

DAFTAR ISI ………. viii

DAFTAR TABEL ………. ix

DAFTAR GAMBAR ... x

BAB I PENDAHULUAN ... 1

1.1 Latar Belakang ... 1

1.2 Perumusan Masalah ... 3

1.3 Batasan Masalah ... 3

1.4 Tujuan Penelitian ... 4

1.5 Manfaat Penelitian ... 4

1.6 Sistematika Penulisan ... 4

BAB II LANDASAN TEORI ... 6

2.1 Semangka dan Melon ... 6

2.2 Refraktometer ... 8

2.3 Sinyal Analog dan Sinyal Digital ... 10

2.4 Fast Fourier Transform (FFT) ... 15

2.4.1 Fast Fourier Transform Library ... 15

2.5 Naïve Bayes Classifier (NBC) ... 17

2.6 Perhitungan Akurasi ... 23

BAB III METODE DAN PERANCANGAN SISTEM ... 24

3.1 Metodologi Penelitian ... 24

3.2 Perancangan Sistem ... 25

3.2.1 Flowchart Program ... 25

3.2.2 Flowchart Hitung Kematangatangan ... 28

3.2.3 Flowchart Hitung Naïve Bayes Classifier ... 29

3.2.4 Data Flow Diagram (DFD) ... 32

3.2.5 Entity Relationship Diagram (ERD) ... 34

3.2.6 Mockup ... 36

BAB IV IMPLEMENTASI DAN UJI COBA ... 41

4.1 Spesifikasi Perangkat ... 41

4.2 Implementasi ... 42

4.3 User Interface ... 52

4.4 Pengujian Sistem Aplikasi ... 54

BAB V SIMPULAN DAN SARAN ... 66

5.1 Simpulan ... 66

5.2 Saran ... 66

DAFTAR PUSTAKA ... 67

DAFTAR LAMPIRAN ... 70

(9)

DAFTAR TABEL

Tabel 2.1 Indeks Refraksi Sari Buah dalam Derajat Brix ... 10

Tabel 2.2 Perbedaan Sinyal Digital dan Analog ………... 13

Tabel 2.3 Contoh Soal Penerapan Naïve Bayes untuk Prediksi Kelulusan ... 20

Tabel 2.4 Contoh Data Tambahan ... 20

Tabel 4.1 Hasil Perhitungan data Training Bawah dengan Testing Atas Buah Semangka ... 56

Tabel 4.2 Hasil Perhitungan data Training Atas dengan Testing Atas Buah Semangka ... 57

Tabel 4.3 Hasil Perhitungan data Training Bawah dengan Testing Bawah Buah Semangka ... 58

Tabel 4.4 Hasil Perhitungan data Training Atas dengan Testing Bawah Buah Semangka ... 58

Tabel 4.5 Hasil Perhitungan data Training Tengah 1 dengan Testing Tengah 1 Buah Semangka ... 59

Tabel 4.9 Hasil Perhitungan data Training Atas dengan Testing Atas Buah Melon ... 61

Tabel 4.10 Hasil Perhitungan data Training Atas dengan Testing Bawah Buah Melon ... 62

Tabel 4.11 Hasil Perhitungan data Training Bawah dengan Testing Bawah Buah Melon ... 62

Tabel 4.12 Hasil Perhitungan data Training Bawah dengan Testing Atas Buah Melon ... 62

Tabel 4.13 Hasil Perhitungan data Training Tengah 1 dengan Testing Tengah 1 Buah Melon ... 63

(10)

DAFTAR GAMBAR

Gambar 2.1 Cara Penggunaan Refraktometer... 9

Gambar 2.2 Sinyal Analog ... 11

Gambar 2.3 Sinyal Digital ... 12

Gambar 3.1 Flowchart Aplikasi secara Keseluruhan ... 26

Gambar 3.2 Flowchart Hitung Kematangatangan ... 28

Gambar 3.3 Flowchart Naïve Bayes untuk Buah Semangka ... 30

Gambar 3.4 Diagram Konteks ... 32

Gambar 3.5 Data Flow Diagram Level 1 ... 33

Gambar 3.6 Entity Relationship Diagram ... 34

Gambar 3.7 Mockup Form Utama ... 36

Gambar 3.8 Mockup Form untuk Browse Suara ... 36

Gambar 3.9 Mockup Form untuk Browse Suara dengan Button “Matang?” .. 37

Gambar 3.10 Mockup Form untuk Record Suara ... 38

Gambar 3.11 Mockup Form untuk Record Suara saat Merekam ... 38

Gambar 3.12 Mockup Form untuk Record Suara saat Stop Merekam ... 39

Gambar 3.14 Mockup Form untuk Record Suara saat Button “Matang?” Muncul ... 40

Gambar 4.1 Potongan Code untuk memanggil library NAudio dan ExoCortexDSP ... 43

Gambar 4.2 Potongan Code Merata-rata Bilangan Kompleks ... 43

Gambar 4.3 Potongan Code untuk Koneksi ke Database ... 44

Gambar 4.4 Potongan Code Query untuk Buah Semangka ... 44

Gambar 4.5 Potongan Code Query untuk Buah Melon ... 44

Gambar 4.6 Potongan Code untuk Mencari Rata-rata Semangka ... 45

Gambar 4.7 Potongan Code untuk Mencari nilai Variance Semangka ... 45

Gambar 4.8 Potongan Code untuk Mencari Rata-rata Melon ... 45

Gambar 4.9 Potongan Code untuk Mencari Nilai Variance Melon ... 46

Gambar 4.10 Potongan Code Query untuk Buah Semangka yang Manis ... 46

Gambar 4.11 Potongan Code untuk Mencari Nilai Miu ... 46

Gambar 4.12 Potongan Code untuk Memanggil Method NaiveBayes ... 46

Gambar 4.13 Potongan Code Query untuk Buah Semangka yang Cukup Manis 47 Gambar 4.14 Potongan Code Query untuk Buah Melon yang Cukup Manis .. 47

Gambar 4.16 Potongan Code Query untuk Buah Semangka yang Tidak Manis 47 Gambar 4.17 Potongan Code Query untuk Buah Melon yang Tidak Manis ... 48

Gambar 4.19 Potongan Code Query untuk Buah Melon yang Sangat Tidak Manis ... 48

Gambar 4.21 Potongan Code Method NaiveBayes ... 49

Gambar 4.22 Potongan Code Method Perhitungan Evidence dan Peluang untuk Buah Semangka ... 49 Gambar 4.23 Potongan Code Method Perhitungan Evidence dan

(11)

Peluang untuk Buah Melon ... 49

Gambar 4.24 Tampilan Form Pertama ... 50

Gambar 4.25 Tampilan Form Browse... 51

Gambar 4.26 Tampilan Form Browse Setelah Memilih Radio Button ... 51

Gambar 4.27 Tampilan Form Record ... 51

Gambar 4.28 Tampilan Form Record saat Merekam ... 52

Gambar 4.29 Tampilan Form Record saat Berhenti Merekam ... 52

Gambar 3.30 Tampilan Form Record saat Radio Button ditekan ... 53

Gambar 4.31 Tampilan Hasil untuk Buah Semangka ... 54

Gambar 4.32 Tampilan Hasil untuk Buah Melon ... 54

(12)