DENGAN METODE K-MEANS.
TUGAS AKHIR
Oleh :
PANDU EKA WAHYUDHA
0834010057
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN”
J AWA TIMUR
TUGAS AKHIR
Diajukan Untuk Memenuhi Sebagai Persyaratan
Dalam Memperoleh Gelar Sarjana Komputer
Program Studi Teknik Informatika
Oleh :
PANDU EKA WAHYUDHA
08340010057
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN”
J AWA TIMUR
TUMBUHAN K EDELAI BERDASARK AN POLA DAUN
DENGAN METODE K-MEANS.
Disusun oleh :
PANDU EKA WAHYUDHA
08340010057
Telah disetujui mengikuti Ujian Negara Lisan
Periode VI Tahun Akademik 2011/2012
Pembimbing I
I Gede Susrama Mas Diyasa, ST. MT. NPT. 3 7006 06 0210 1
Pembimbing II
Sugiar to, S.Kom NPT. 3 8702 11 0343 1
Mengetahui,
Ketua Program Studi Teknik Informatika Fakultas Teknologi Industri
Universitas Pembangunan Nasional ”Veteran” Jawa Timur
TUMBUHAN K EDELAI BERDASARK AN POLA DAUN
DENGAN METODE K-MEANS.
Disusun Oleh :
PANDU EKA WAHYUDHA
08340010057
Telah dipertahankan dan diterima oleh Tim Penguji Tugas Akhir Program Studi Teknik Informatika Fakultas Teknologi Industri
Universitas Pembangunan Nasional ”Veteran” Jawa Timur Pada Tanggal 1 Juni 2012
Pembimbing : 1.
I Gede Susrama Mas Diyasa, ST., MT. NPT. 3 7006 06 0210 1
Universitas Pembangunan Nasional ”Veteran” Jawa Timur
TUMBUHAN K EDELAI BERDASARK AN POLA DAUN
DENGAN METODE K-MEANS.
Disusun Oleh :
PANDU EKA WAHYUDHA
08340010057
Telah dipertahankan dan diterima oleh Tim Penguji Tugas Akhir Program Studi Teknik Informatika Fakultas Teknologi Industri
Universitas Pembangunan Nasional ”Veteran” Jawa Timur Pada Tanggal 15 Juni 2012
Pembimbing : 1.
I Gede Susrama Mas Diyasa, ST., MT. NPT. 3 7006 06 0210 1
Tim Penguji : 1.
Dr. Ir. Ni Ketut Sari, M.T NIP. 19650731 199203 2001
2.
Dian Puspita Hapsari, S.Kom, M.Kom NPT. 3 7805 08 01671
Mengetahui,
Dekan Fakultas Teknologi Industri
Universitas Pembangunan Nasional ”Veteran” Jawa Timur
KETERANGAN REVISI
Kami yang bertanda tangan di bawah ini menyatakan bahwa mahasiswa berikut :
Nama : PANDU EKA WAHYUDHA
NPM : 083401057
Jurusan : Teknik Informatika
Telah mengerjakan revisi / tidak ada revisi*) pra rencana (design) / Tugas Akhir
ujian lisan gelombang VI , TA 2011/2012 dengan judul:
“SEGMENTASI UNSUR HARA MAKRO PRIMER PADA TUMBUHAN KEDELAI BERDASARKAN POLA DAUN DENGAN METODE K-MEANS”
Surabaya, 1 Juni 2011 Dosen Penguji yang memeriksa revisi
1) Barry Nuqoba, S.si, M.Kom
NIP.
{ }
2) M.Syahrul Munir S.Kom
Jl. Rungkut Madya Gunung Anyar Surabaya 60294 Tlp. (031) 8706369, 8783189
Fax (031) 8706372 Website: www.upnjatim.ac.id
KETERANGAN REVISI
Kami yang bertanda tangan di bawah ini menyatakan bahwa mahasiswa berikut :
Nama : PANDU EKA WAHYUDHA
NPM : 0834010057
Jurusan : Teknik Informatika
Telah mengerjakan revisi / tidak ada revisi*) pra rencana (design) / Tugas Akhir
ujian lisan gelombang VI , TA 2011/2012 dengan judul:
“SEGMENTASI UNSUR HARA MAKRO PRIMER PADA TUMBUHAN KEDELAI BERDASARKAN POLA DAUN DENGAN METODE K-MEANS”
Surabaya, juni 2012
Dosen Penguji yang memeriksa revisi
1) Dr. Ir. Ni Ketut Sari, M.T
Dian Puspita Hapsari, S.Kom, M.Kom
PENYUSUN : PANDU EKA WAHYUDHA
ABSTRAK
Teknik clustering digunakan untuk mencari kelompok yang cocok untuk sampel-sampel dari satu set data. Tidak ada pengetahuan apriori tentang data ini. Oleh karena itu, beberapa set sampel tidak dapat dianggap sebagai training set, dan teknik klasifikasi tidak dapat digunakan dalam kasus ini. Algoritma k-means adalah salah satu yang paling populer algoritma untuk clustering. Ini adalah salah satu algoritma yang sering digunakan untuk data mining, sebagaimana telah ditempatkan di antara 10 algoritma teratas untuk data mining.
Dalam tugas akhir ini penulis melakukan segmentasi unsur hara berdasarkan pola daun dengan menggunakan metode K-means yang dapat mengetahui ciri – ciri kandungan unsur hara yang terdapat pada daun kedelai dengan melihat perubahan warna pada daun dengan hasil segmentasi citra yang kemudian diclusterisasi untuk mengetahui ciri – ciri kekurangan unsur nitrogen (N), fosfor (P), dan kalium (K) pada daun tersebut.
Sehingga diharapkan aplikasi ini dapat memberikan kemudahan bagi peneliti untuk mengetahui dan mengenali ciri – ciri kekurangan unsur hara makro pada pertumbuhan tanaman kedelai supaya lebih cepat mengatasi gejala tersebut dan petani dapat meningkatkan hasil produksinya.
Syukur Alhamdulillaahi rabbil ‘alamin terucap ke hadirat Allah SWT atas segala limpahan Kekuatan-Nya sehingga dengan segala keterbatasan waktu,
tenaga, pikiran dan keberuntungan yang dimiliki penyusun, akhirnya penyusun
dapat menyelesaikan Skripsi yang berjudul “SEGMENTASI UNSUR HARA
MAKRO PRIMER PADA TUMBUHAN KEDELAI BERDASARKAN
POLA DAUN DENGAN METODE K-MEANS” tepat waktu.
Skripsi dengan beban 4 SKS ini disusun guna diajukan sebagai salah satu
syarat untuk menyelesaikan program Strata Satu (S1) pada jurusan Teknik
Informatika, Fakultas Teknologi Industri, UPN ”VETERAN” Jawa Timur.
Melalui Skripsi ini penyusun merasa mendapatkan kesempatan emas untuk
memperdalam ilmu pengetahuan yang diperoleh selama di bangku perkuliahan.
Namun, penyusun menyadari bahwa Skripsi ini masih jauh dari sempurna. Oleh
karena itu penyusun sangat mengharapkan saran dan kritik dari para pembaca
untuk pengembangan aplikasi lebih lanjut.
Surabaya, 1 Juni 2012
Ucapan terima kasih ini saya persembahkan sebagai perwujudan rasa syukur atas
terselesaikannya Laporan Tugas Akhir. Ucapan terima kasih ini saya tujukan
kepada :
1. Allah SWT., karena berkat Rahmat dan berkahNya kami dapat menyusun dan
menyelesaikan Laporan Tugas Akhir ini hingga selesai.
2. Bapak Prof. Dr. Ir. Teguh Soedarto, MP selaku Rektor Universitas
Pembangunan Nasional “Veteran” Jawa Timur.
3. Bapak Sutiyono, MT selaku Dekan Fakultas Teknologi Industri UPN
“Veteran” Jawa Timur.
4. Ibu Dr. Ir. Ni Ketut Sari, MT. selaku Ketua Jurusan Teknik Informatika UPN
“Veteran” Jawa Timur yang telah dengan sabar membimbing dengan segala
kerendahan hati dan selalu memberikan kemudahan dan kesempatan bagi saya
untuk berkreasi.
5. Bapak Firza Prima Aditiawan, S.Kom., Selaku PIA Tugas Akhir Teknik
Informatika UPN “Veteran” Jawa Timur.
6. I Gede Susrama Mas Diyasa, ST. MT. selaku dosen pembimbing utama pada
Proyek Tugas Akhir ini di UPN “Veteran” Jawa Timur yang telah banyak
memberikan petunjuk, masukan, bimbingan, dorongan serta kritik yang
bermanfaat sejak awal hingga terselesainya Tugas Akhir ini.
7. Bapak Sugiarto, S.Kom selaku dosen pembimbing Pendamping sekaligus
orang yang telah memberikan banyak ide, petunjuk, masukan, bimbingan,
dorongan serta bantuan yang sangat berarti dan bermanfaat bagi tugas akhir
8. Keluarga tercinta, terutama Bapak,Ibuku dan Mboob tersayang, Cece Chessy,
Koko Adit, Mamah, Papah, dan Arka, terima kasih atas semua doa, dukungan
serta harapan-harapanya pada saat penulis menyelesaikan Tugas Akhir dan
laporan ini. Yang penulis minta hanya doa restunya, sehingga penulis bisa
membuat sesuatu yang lebih baik dari laporan ini.
9. Terimakasih untuk teman seperjuangan sekaligus partner yang baik,Achmad
Afan, Isra Ananda Dwitama, Prima Surya Nindra, Eva Yulia, Andre Istifar,
yang telah berjuang bersama sampai akhir. Serta teman-temanku Ma’nyoo
yang telah memberi semangat dan dukungan dalam setiap langkah yang saya
ambil.
10.Terimakasih untuk Ongki Herdiani yang selalu memberikan doa dan
dukungan, serta menemani dalam perjuangan menyelesaikan dan
mempertahankan Tugas Akhir ini. Dan untuk semangat yang dihadirkan
dalam setiap rintangan yang datang dan pergi.
11.Papa Aceng dan Mama Aceng yang selalu memberi dukungan serta bantuan
dalam pembuatan tugas akhir ini sampai akhir.
12.Kawan-kawan yang telah membantu dalam penyelesaian Laporan Tugas
Akhir ini. Yang telah memberikan dorongan dan doa, yang tak bisa penulis
sebutkan satu persatu. Terima Kasih yang tak terhingga untuk kalian semua.
Halaman
1.6.3. Perancangan dan Pembuatan Aplikasi ... 4
1.6.4. Uji Coba ... 4
1.6.5. Penulisan Buku Tugas Akhir... 4
1.7.Sistematika Penelitian ... 5
BAB II TINJAUAN PUSTAKA ... 7
2.1 Unsur Hara Dalam Tanah ... 7
2.1.1 Unsur Hara Makro ... 8
2.2.Unsur Hara dan Fungsinya pada Tanaman Kedelai ... 16
2.4.7 Fungsi Matematika Lainnya ... 32
2.4.8 M File ... 33
2.5Pendeteksi Bentuk dan Tekstur Fitur ... 39
2.5.1 Persiapan Pemrosesan Gambar ... 39
2.5.2 Ekstraksi Fitur... 39
2.6.Digital Image Processing ... 40
2.6.1 Pembacaan Image ... 41
2.7.Image Segmentation ... 42
2.7.1Segmentasi Citra Berdasarkan Pemberian Nama Komponen ... 42
2.7.2Segmentasi Citra Berdasarkan Pendekatan Wilayah dan Klastering 43 2.8. Teknik Pemetaan Warna ... 43
2.8.1Klasterisasi ... 43
2.8.2Jarak Euclidean ( Euclidean Distance ) ... 46
2.9.Deteksi Tepi ( Edge Detection ) ... 47
2.9.1Prinsip-Prinsip Deteksi Tepi... 47
BAB III ANALISA DAN PERANCANGAN SISTEM ... 50
3.1 Analisa Data ... 50
3.1.1Teknik Pemetaan Warna ... 50
3.1.2Pembangkitan Variabel k ( klaster ) Secara Acak ... 52
3.1.3Pemeriksaan Kondisi k ... 53
3.2 Analisa Sistem ... 53
3.2.1Diagram Alir Program ( Flowchart ) ... 53
3.2.3 Activity Diagram ... 63
3.2.4 Sequence Diagram ... 67
3.3 Fungsi Pada Matlab ... 68
BAB IV HASIL DAN PEMBAHASAN ... 73
4.1 Kebutuhan Sistem ... 73
4.1.1 Kebutuhan Pendukung ... 73
4.2 Implementasi Sistem ... 81
4.2.1 User Interface ... 81
BAB V UJI COBA SISTEM ... 87
5.1. Pengujian Ekstraksi Fitur ... 87
BAB VI PENUTUP ... 94
6.1. Kesimpulan ... 94
6.2. Saran ... 95
1.1. Latar Belakang
Kedelai (Glycine max L. Merrill) telah ditanam di Indonesia sejak awal
abad ke 18 dan kemungkinan diperkenalkan oleh imigran dari dataran Cina. Areal
produksi kedelai yang sebelumnya terbatas di Jawa dan Bali sejak tahun 1950
menyebar ke pulau-pulau lain termasuk Sumatra, Kalimantan, Sulawesi, dan
kepulauan Indonesia timur. Sampai 1974 permintaan kedelai dapat dipenuhi oleh
produksi dalam negeri. Akan tetapi, sejak tahun 1975 konsumsi produk-produk
kedelai mulai meningkat secara nyata. Meningkatnya jumlah penduduk
menyebabkan semakin bertambahan kebutuhan akan sumber protein murah dalam
menu sehari-hari (Adisarwanto, 2007).
Pada Pertumbuhannya tanaman kedelai umumnya tumbuh tegak,
berbentuk semak dan merupakan tanaman semusim. Morfologi tanaman kedelai
menurut Adisarwanto (2008) didukung oleh komponen utamanya yaitu akar,
daun, batang, bunga, dan biji sehingga pertumbuhannya dapat maksimal.
Disamping kondisi fisik atau jenis tanah yang berpengaruh terhadap pertumbuhan
kacang kedelai, faktor lain yang sangat penting untuk diperhatikan adalah
kesuburan tanah. Tingkat kesuburan tanah dipengaruhi oleh kandungan atau
kecukupan unsur hara dalam tanah (Hardjowigeno, 1995). Seperti halnya tanaman
lain, menurut Adisarwanto (2007) kacang kedelai pun memerlukan unsur hara
makro dan mikro. Unsur hara makro antara lain karbon (C), hidrogen (H), oksigen
sulfur (S). sementara unsur hara mikro anatara lain besi (Fe), mangan (Mn),
tembaga (Cu), seng (Zn), molybdenum (Mo), boron (B), dan klor (Cl). Manfaat
pupuk yang paling banyak dirasakan adalah menyediakan unsur hara yang
diperlukan bagi tanaman. Selain menyediakan unsur hara, pemupukan juga
membantu mencegah kehilangan unsur hara yang cepat hilang seperti N, P, dan K
yang mudah hilang oleh penguapan atau oleh air perkolasi. Pemberian pupuk juga
membantu penyerapan unsur hara. Hal ini sangat penting, karena unsur hara
berperan dalam pertumbuhan tanaman. Tiga unsur hara yang diperlukan dalam
jumlah besar adalah nitrogen (N), fosfor (P), dan kalium (K).
Oleh karena itu, penulis berinisiatif untuk melakukan penelitian
klasifikasi kekurangan unsur hara primer berdasarkan tekstur daun. Dengan sistem
yang dikembangkan ini, diharapkan dapat membantu masyarakat atau petani
dalam mengenali jenis kekurangan unsur hara primer pada pertumbuhan tanaman
kedelai, sehingga akan lebih cepat untuk mengatasi gejala tersebut dan akan
meningkatkan produksinya.
1.2. Rumusan Masalah
Beberapa masalah yang dihadapi dalam membantu para petani kedelai ini
adalah sebagai berikut.
a. Bagaimana cara melakukan segmentasi terhadap daun kedelai
berdasarkan warna daunnya, untuk mendeteksi unsur hara makro
b. Bagaimana menciptakan sebuah sistem yang dapat mendeteksi
kekurangan unsur hara pada tanah yang ditanami tanaman kedelai
berdasarkan warna daunnya.
1.3. Batasan Masalah
Adapun batasan masalah dalam pembuatan sistem pendeteksi kekurangan
unsur hara ini adalah sebagai berikut.
a. Tanaman yang diteliti adalah tanaman kedelai saja.
b. Tanaman kedelai di asumsikan sebagai 1 varietas.
c. Unsur hara yang diteliti hanya unsur hara makro primer yaitu
Nitrogen (N), Fosfor (P), Kalium (K).
1.4. Tujuan
Tujuan dari pembuatan sistem ini adalah untuk membantu para petani
yang masih awam dalam mendeteksi tanda-tanda kekurangan unsur hara,
khususnya pada tanaman kedelai.
1.5. Manfaat
Memberikan para petani, khusunya petani kedelai sebuah sistem yang
memberikan info tingkat unsur hara yang ada di lahan mereka agar dapat
menghasilkan panen kedelai yang baik dan berkualitas.
1.6. Metodologi Penulisan
1.6.1 Studi Liter atur
Dilakukan dengan cara mencari segala macam informasi secara
kepustakaan yang berhubungan dengan masalah yang dihadapi.
1.6.2 Pengumpulan Data
Pengumpulan data dilakukan dengan cara identifikasi dan klarifikasi
melalui studi literatur. Dari pengumpulan data tersebut dapat dilakukan analisa
data.
1.6.3 Per ancangan dan Pembuatan Aplikasi
Tahap pertama adalah melakukan analisa awal tentang sistem yang akan
dibuat yaitu suatu pemecahan masalah yang dilakukan melalui sistem
terkomputerisasi dengan cara pembuatan aplikasi.
1.6.4 Uji Coba
Tahap akhir dari pembuatan aplikasi ini adalah uji coba, dimana aplikasi
akan melewati tahap pengujian apakah mampu berjalan dengan baik sesuai tujuan
ataukah masih perlu adanya perbaikan sehingga dapat digunakan oleh pengguna
secara efektif.
1.6.5 Penulisan Buku Tugas Ak hir
Tahap akhir dari pembuatan tugas akhir ini adalah penulisan buku,
dimana semua tahap yang harus dilakukan untuk pembuatan aplikasi tersebut
1.7. Sistematika Penulisan
Secara garis besar, materi laporan Tugas Akhir ini terbagi dalam
beberapa bab agar lebih mudah untuk dipahami. Sistematika susunan laporan
Tugas Akhir ini adalah sebagai berikut :
a. BAB I PENDAHULUAN
Bab ini berisikan pendahuluan dari tugas akhir yang menjelaskan latar
belakang, tujuan, batasan masalah, metodologi penelitian dan sistematika
penulisan laporan.
b. BAB II LANDASAN TEORI
Pada bab ini menjelaskan tentang teori-teori pemecahan masalah yang
berhubungan dan digunakan untuk mendukung dalam pembuatan tugas akhir ini.
c. BAB III ANALISA DAN PERANCANGAN SISTEM
Bab ini menjelaskan tentang bagaimana teori-teori penunjang dan metode
yang sudah dijelaskan pada Bab II, dirancang agar dapat diimplementasikan ke
dalam aplikasi yang sesuai dengan harapan
d. BAB IV IMPLEMENTASI SISTEM
Pada bab ini menjelaskan implementasi dari program yang telah dibuat
meliputi lingkungan implementasi , implementasi proses dan implementasi
antarmuka.
e. BAB V UJI COBA
Bab ini menjelaskan tentang pengujian yang dilakukan terhadap aplikasi
f. BAB VI PENUTUP
Bab ini merupakan penutup yang berisi kesimpulan yang diambil dari
Tugas Akhir ini serta saran untuk pengembangan lebih lanjut.
g. DAFTAR PUSTAKA
Pada bagian ini akan dipaparkan tentang sumber-sumber literatur yang
2.1. Unsur Hara Dalam Tanah
Unsur hara merupakan komponen penting dalam pertumbuhan tanaman,
unsur hara banyak tersedia dialam, sehingga tumbuhan bisa memanfaatkannya
untuk kebutuhan metabolismenya. Tetapi ketersediaan unsur hara di beberapa
tempat tidak sama, ada yang berkecukupan sehingga pertumbuhan tanaman
menjadi baik namun ada juga yang kekurangan, sehingga pertumbuhannya
menjadi terhambat. Khusus untuk tanaman budidaya kebutuhan unsur haranya
sangat tinggi, hal ini dikarenakan pada lahan atau tempat yang sama ditanami
tanaman tertentu yang membutuhkan jumlah unsur yang sama setiap waktunya.
Sedangkan persediaan dialam terus berkurang akibat diserap oleh tanaman
budidaya yang ditanam dilahan tersebut musimnya (intensif), sehingga untuk
dapat memenuhi kebutuhan tanaman akan unsur hara harus dilakukan
penambahan unsur hara dalam bentuk pupuk dalam jumlah yang cukup.
Beberapa unsur hara yang dibutuhkan tanaman adalah Karbon (C),
Hidrogen (H), Oksigen (O), Nitrogen (N), Fosfor (P), Kalium (K), Kalsium (Ca),
Magnesium (Mg), Belerang (S), Besi (Fe), Mangan (Mn), Boron (B), Mo,
Tembaga (Cu), Seng (Zn) dan Klor (Cl). Unsur hara tersebut tergolong unsur hara
Berdasarkan jumlah kebutuhannya bagi tanaman, dikelompokkan
menjadi dua, yaitu:
2.1.1 Unsur Hara Makro
Unsur hara yang diperlukan tanaman dalam jumlah besar. Unsur hara
makro meliputi unsur hara makro primer dan makro sekunder. Unsur hara makro
primer terdiri dari N, P, K, sedangkan makro sekunder terdiri dari Ca, Mg, S.
Banyak para hobiis dan pencinta tanaman hias, bertanya tentang komposisi
kandungan pupuk dan prosentase kandungan N, P dan K yang tepat untuk
tanaman yang bibit, remaja atau dewasa/indukan.
a. Nitrogen ( N )
Nitrogen merupakan salah Satu unsur hara yang sangat penting dan
diperlukan dalam jumlah besar . tanaman menyarap unsur ini dalam bentuk ion
nitrat (NO3-) dan ion ammonium (NH4+).
Unsur ini secara langsung berperan dalam pembentukan protein, memacu
pertumbuhan tanaman secara umum terutama pada fase vegetatif, berperan dalam
pembentukan klorifil, asam amino, lemak enzim dan persenyawaan lain.
Gejala kekurangan unsur N pertumbuhan tanaman lambat dan kerdil,
mula-mula daun menguning dan mengering lalu daun akan rontok dimana daun
yang menguning diawali dari daun bagian bawah, lalu disusul daun bagian atas.
Didalam tubuh tanaman nitrogen bersifat dinamis sehingga jika terjadi
kekurangan nitrogen pada bagian pucuk nitrogen yang tersimpan pada daun tua
akan dipindahkan ke organ yang lebih muda, dengan demikian pada daun-daun
b. Fosfor ( P )
Fosfor merupakan unsur makro yang menyusun komponen setiap sel
hidup, fosfor dalam tumbuhan sangat membantu pembentukan protein dan
mineral yang sangat penting bagi tanaman, merangsang pembentukan bunga,
buah, dan biji. Bahkan mampu mempercepat pemasakan buah dan membuat biji
lebih berbobot. Bertugas mengedarkan energi keseluruh bagian tanaman ,
merangsang pertumbuhan dan perkembangan akar.
Gejala kekurangan fosfor pada tanaman mengakibatkan pertumbuhan
terhambat atau kerdil dan daun menjadi hijau tua, tanaman tidak menghasilkan
bunga dan buah, jika sudah terlanjur berbuah ukuranya kecil, jelek dan cepat
matang.
c. Kalium ( K )
Kalium merupakan unsur makro seperti nitrogen dan fosfor, kalium
berperan penting dalam fotosintesis, karena secara langsung meningkatkan
pertumbuhan dan luas daun. Disamping itu kalium dapat meningkatkan
pengambilan karbondioksida, memindahkan gula pada pembentukan pati dan
protein, membantu proses membuka dan menutup stomata, kapasitas menyimpan
air, memperluas pertumbuhan akar, meningkatkan ketahanan tanaman terhadap
serangan hama dan penyakit, memperkuat tubuh tanaman supaya daun bunga dan
buah tidak gampang rontok
Memperbaiki ukuran dan kualitas buah pada masa generatif/menambah
rasa manis pada buah, mensuplai karbohidrat yang banyak terutama pada tanaman
Gejala kekurangan unsur hara ini pertumbuhan terhambat, batang kurang
kuat dan mudah patah, biji buah menjadi kisut, daun mengerut/kriting timbul
bercak-bercak merah coklat lalu kering dan mati.
2.1.2 Unsur Hara Mikro
Unsur hara yang diperlukan tanaman dalam jumlah kecil.Unsur hara
mikro yang dibutuhkan tanaman dalam jumlah kecil antara lain Besi(Fe),
Mangaan(Mn), Seng (Zn), Tembaga (Cu), Molibden (Mo), Boron (B), Klor(Cl).
a. Besi (Fe)
Besi (Fe) merupakan unsure mikro yang diserap dalam bentuk ion feri
(Fe3+) ataupun fero (Fe2+). Fe dapat diserap dalam bentuk khelat (ikatan logam
dengan bahan organik). Mineral Fe antara lain olivin (Mg, Fe)2SiO, pirit, siderit
(FeCO3), gutit (FeOOH), magnetit (Fe3O4), hematit (Fe2O3) dan ilmenit
(FeTiO3) Besi dapat juga diserap dalam bentuk khelat, sehingga pupuk Fe dibuat
dalam bentuk khelat. Khelat Fe yang biasa digunakan adalah Fe-EDTA, Fe-DTPA
dan khelat yang lain. Fe dalam tanaman sekitar 80% yang terdapat dalam
kloroplas atau sitoplasma. Penyerapan Fe lewat daundianggap lebih cepat
dibandingkan dengan penyerapan lewat akar, terutama pada tanaman yang
mengalami defisiensi Fe. Dengan demikian pemupukan lewat daun sering diduga
lebih ekonomis dan efisien. Fungsi Fe antara lain sebagai penyusun klorofil,
protein, enzim, dan berperanan dalam perkembangan kloroplas. Sitokrom
merupakan enzim yang mengandung Fe porfirin. Kerja katalase dan peroksidase
digambarkan secara ringkas sebagai berikut:
Peroksidase : AH2 + H2O A + H2O
Fungsi lain Fe ialah sebagai pelaksana pemindahan electron dalam proses
metabolisme. Proses tersebut misalnya reduksi N2, reduktase solfat, reduktase
nitrat. Kekurangan Fe menyebabakan terhambatnya pembentukan klorofil dan
akhirnya juga penyusunan protein menjadi tidak sempurna Defisiensi Fe
menyebabkan kenaikan kaadar asam amino pada daun dan penurunan jumlah
ribosom secara drastic. Penurunan kadar pigmen dan protein dapat disebabkan
oleh kekurangan Fe. Juga akan mengakibatkan pengurangan aktivitas semua
enzim.
b. Mangaan (Mn)
Mangaan diserap dalam bentuk ion Mn++. Seperti hara mikro lainnya,
Mn dianggap dapat diserap dalam bentuk kompleks khelat dan pemupukan Mn
sering disemprotkan lewat daun. Mn dalam tanaman tidak dapat bergerak atau
beralih tempat dari logam yang satu ke organ lain yang membutuhkan. Mangaan
terdapat dalam tanah berbentuk senyawa oksida, karbonat dan silikat dengan
nama pyrolusit (MnO2), manganit (MnO(OH)), rhodochrosit (MnCO3) dan
rhodoinit (MnSiO3). Mn umumnya terdapat dalam batuan primer, terutama dalam
bahan ferro magnesium. Mn dilepaskan dari batuan karena proses pelapukan
batuan. Hasil pelapukan batuan adalah mineral sekunder terutama pyrolusit
(MnO2) dan manganit (MnO(OH)). Kadar Mn dalam tanah berkisar antara 300
sampai 2000 ppm. Bentuk Mn dapat berupa kation Mn++ atau mangan oksida,
baik bervalensi dua maupun valensi empat. Penggenangan dan pengeringan yang
berarti reduksi dan oksidasi pada tanah berpengaruh terhadap valensi Mn. Mn
karbohidrat. Berperan sebagai activator bagi sejumlah enzim utama dalam siklus
krebs, dibutuhkan untuk fungsi fotosintetik yang normal dalam kloroplas,ada
indikasi dibutuhkan dalam sintesis klorofil. Defisiensi unsure Mn antara lain pada
tanaman berdaun lebar, interveinal chlorosis pada daun muda mirip kekahatan Fe
tapi lebih banyak menyebar sampai ke daun yang lebih tua, pada serealia
bercak-bercak warna keabu-abuan sampai kecoklatan dan garis-garis pada bagian tengah
dan pangkal daun muda, split seed pada tanaman lupin.
c. Seng (Zn)
Zn diserap oleh tanaman dalam bentuk ion Zn++ dan dalam tanah alkalis
mungkin diserap dalam bentuk monovalen Zn(OH)+. Di samping itu, Zn diserap
dalm bentuk kompleks khelat, misalnya Zn-EDTA. Seperti unsure mikro lain, Zn
dapat diserap lewat daun. Kadr Zn dalam tanah berkisar antara 16-300 ppm,
sedangkan kadar Zn dalam tanaman berkisar antara 20-70 ppm. Mineral Zn yang
ada dalam tanah antara lain sulfida (ZnS), spalerit [(ZnFe)S], smithzonte
(ZnCO3), zinkit (ZnO), wellemit (ZnSiO3 dan ZnSiO4). Fungsi Zn antara lain :
pengaktif enim anolase, aldolase, asam oksalat dekarboksilase, lesitimase,sistein
desulfihidrase, histidin deaminase, super okside demutase (SOD), dehidrogenase,
karbon anhidrase, proteinase dan peptidase. Juga berperan dalam biosintesis
auxin, pemanjangan sel dan ruas batang. Ketersediaan Zn menurun dengan
naiknya pH, pengapuran yang berlebihan sering menyebabkan ketersediaaan Zn
menurun. Tanah yang mempunyai pH tinggi sering menunjukkan adanya gejala
defisiensi Zn, terytama pada tanah berkapur. Adapun gejala defisiensi Zn antara
(resetting) dan klorosis pada daun-daun muda dan intermedier serta adanya
nekrosis.
d. Tembaga (Cu)
Tembaga (Cu) diserap dalam bentuk ion Cu++ dan mungkin dapat
diserap dalam bentuk senyaewa kompleks organik, misalnya Cu-EDTA
(Cu-ethilen diamine tetra acetate acid) dan Cu-DTPA (Cu di(Cu-ethilen triamine penta
acetate acid). Dalam getah tanaman baik dalam xylem maupun floem hampir
semua Cu membentuk kompleks senyawa dengan asam amino. Cu dalam akar
tanaman dan dalam xylem > 99% dalam bentuk kompleks. Dalam tanah, Cu
berbentuk senyawa dengan S, O, CO3 dan SiO4 misalnya kalkosit (Cu2S), kovelit
(CuS), kalkopirit (CuFeS2), borinit (Cu5FeS4), luvigit (Cu3AsS4), tetrahidrit
[(Cu,Fe)12SO4S3)], kufirit (Cu2O), sinorit (CuO), malasit [Cu2(OH)2CO3],
adirit [(Cu3(OH)2(CO3)], brosanit [Cu4(OH)6SO4]. Kebanyakan Cu terdapat
dalam kloroplas (>50%) dan diikat oleh plastosianin. Senyawa ini mempunyai
berat molekul sekitar 10.000 dan masing-masing molekul mengandung satu atom
Cu. Hara mikro Cu berpengaruh pafda klorofil, karotenoid, plastokuinon dan
plastosianin. Fungsi dan peranan Cu antara lain : mengaktifkan enzim
sitokrom-oksidase, askorbit-sitokrom-oksidase, asam butirat-fenolase dan laktase. Berperan dalam
metabolisme protein dan karbohidrat, berperan terhadap perkembangan tanaman
generatif, berperan terhadap fiksasi N secara simbiotis dan penyusunan
lignin.Adapun gejala defisiensi / kekurangan Cu antara lain : pembungaan dan
pembuahan terganggu, warna daun muda kuning dan kerdil, daun-daun lemah,
e. Molibden (Mo)
Molibden diserap dalam bentuk ion MoO4-. Variasi antara titik kritik
dengan toksis relatif besar. Bila tanaman terlalu tinggi, selain toksis bagi tanaman
juga berbahaya bagi hewan yang memakannya. Hal ini agak berbeda dengan sifat
hara mikro yang lain. Pada daun kapas, kadar Mo sering sekitar 1500 ppm.
Umumnya tanah mineral cukup mengandung Mo. Mineral lempung yang terdapat
di dalam tanah antara lain molibderit (MoS), powellit (CaMo)3.8H2O.
Molibdenum (Mo) dalam larutan sebagai kation ataupun anion. Pada tanah
gambut atau tanah organik sering terlihat adanya gejala defisiensi Mo. Walaupun
demikian dengan senyawa organik Mo membentuk senyawa khelat yang
melindungi Mo dari pencucian air. Tanah yang disawahkan menyebabkan
kenaikan ketersediaan Mo dalam tanah. Hal ini disebabkan karena dilepaskannya
Mo dari ikatan Fe (III) oksida menjadi Fe (II) oksida hidrat.
Fungsi Mo dalam tanaman adalah mengaktifkan enzim nitrogenase, nitrat
reduktase dan xantine oksidase. Gejala yang timbul karena kekurangan Mo
hampir menyerupai kekurangan N. Kekurangan Mo dapat menghambat
pertumbuhan tanaman, daun menjadi pucat dan mati dan pembentukan bunga
terlambat. Gejala defisiensi Mo dimulai dari daun tengah dan daun bawah. Daun
menjadi kering kelayuan, tepi daun menggulung dan daun umumnya sempit. Bila
defisiensi berat, maka lamina hanya terbentuk sedikit sehingga kelihatan
tulang-tulang daun lebih dominan.
f. Boron (B)
Boron dalam tanah terutama sebagai asam borat (H2BO3) dan kadarnya
B(OH)4-. Boron yang tersedia untuk tanaman hanya sekitar 5%dari kadar total
boron dalam tanah. Boron ditransportasikan dari larutan tanah ke akar tanaman
melalui proses aliran masa dan difusi. Selain itu, boron sering terdapat dalam
bentuk senyawa organik. Boron juga banyak terjerap dalam kisi mineral lempung
melalui proses substitusi isomorfik dengan Al3+ dan atau Si4+. Mineral dalam
tanah yang mengandung boron antara lain turmalin (H2MgNaAl3(BO)2Si4O2)
O20 yang mengandung 3%-4% boron. Mineral tersebut terbentuk dari batuan
asam dan sedimen yang telah mengalami metomorfosis. Mineral lain yang
mengandung boron adalah kernit (Na2B4O7.4H2O), kolamit (Ca2B6O11.5H2O),
uleksit (NaCaB5O9.8H2O) dan aksinat. Boron diikat kuat oleh mineral tanah,
terutama seskuioksida (Al2O3 + Fe2O3).
Fungsi boron dalam tanaman antara lain berperanan dalam metabolisme
asam nukleat, karbohidrat, protein, fenol dan auksin. Di samping itu boron juga
berperan dalam pembelahan, pemanjangan dan diferensiasi sel, permeabilitas
membran, dan perkecambahan serbuk sari. Gejal defisiensi hara mikro ini antara
lain : pertumbuhan terhambat pada jaringan meristematik (pucuk akar), mati
pucuk (die back), mobilitas rendah, buah yang sedang berkembang sngat rentan,
mudah terserang penyakit.
g. Klor(Cl)
Klor merupakan unsure yang diserap dalam bentuk ion Cl- oleh akar
tanaman dan dapat diserap pula berupa gas atau larutan oleh bagian atas tanaman,
misalnya daun. Kadar Cl dalam tanaman sekitar 2000-20.000 ppm berat tanaman
kering. Kadar Cl yang terbaik pada tanaman adalah antara 340-1200 ppm dan
mineral, sehingga sangat mobil dan mudah tercuci oleh air draiinase. Sumber Cl
sering berasal dari air hujan, oleh karena itu, hara Cl kebanyakan bukan
menimbulkan defisiensi, tetapi justru menimbulkan masalah keracunan tanaman.
Klor berfungsi sebagai pemindah hara tanaman, meningkatkan osmose sel,
mencegah kehilangan air yang tidak seimbang, memperbaiki penyerapan ion
lain,untuk tanaman kelapa dan kelapa sawit dianggap hara makro yang penting.
Juga berperan dalam fotosistem II dari proses fotosintesis, khususnya dalam
evolusi oksigen.
Adapun defisiensi klor adalh antara lain pola percabangan akar abnormal,
gejala wilting (daun lemah dan layu), warna keemasan (bronzing) pada daun,
pada tanaman kol daun berbentuk mangkuk.
2.2. Unsur Hara dan Fungsinya Pada Tanaman Kedelai
Tanaman kedelai dapat tumbuh baik jika dreanase dan aerase tanah baik,
untuk dapat tumbuh subur kedelai menghendaki tanah yang subur, gembur, serta
kaya akan bahan organik. Pada akar terdapat bintil-bintil akar yang berkoloni dari
bakteri Rhizhobium japonicum yang terbentuk di akar, yang dapat mengikat N,
bersimbiosa dengan tanaman. Tanah yang dapat ditanami kedelai memiliki air dan
hara tanaman untuk pertumbuhannya cukup. Serapan unsur P oleh tanaman juga
dipengaruhi oleh adanya unsur N. Pemberian unsur P yang dikombinasikan
dengan N dapat meningkatkan serapan P oleh tanaman. Tanaman kedelai
memerlukan unsur P dalam setiap masa pertumbuhannya. Tanaman lebih banyak
tersedia pada pH tanah antara 5,5 – 7,0 jika pH tanah berada diatas atau dibawah
kisaran tersebut maka serapan P oleh tanaman akan menyusut.
Status hara tanaman kedelai dan tanah di dalam bertanam kedelai erat
kaitanya dengan tingkat hasil tanaman yang dapat dinilai dan digambarkan.
Periode penggunaan P terbesar atau dibutuhkan dalam jumlah yang lebih banyak
pada kedelai adalah dimulai pada pembentukan polong sampai kira-kira 10 hari
biji berkembang penuh. Hal ini disebabkan karena P banyak terdapat didalam
sel-sel tanaman.
Keadaan ini berhubungan dengan fungsi dari P dalam metabolisme sel.
Posfat dapat pula dikatakan menstimulir pertumbuhan dan perkembangan
perakaran tanaman. Unsur hara yang akan diserap oleh akar ditentukan oleh
semua faktor yang mempengaruhi ketersediaan unsur hara sampai unsur hara
tersebut berada di permukaan akar sehingga mempengaruhi pertumbuhan dan
perkembangan serta hasil tanaman.
Pemberian pupuk pada pertanian intensif juga harus memperhatikan
hukum penambahan hasil yang berkurang (The Law of Determinishing Return)
yang dapat diartikan bahwa apabila penggunaan pupuk dalam jumlah besar
meningkatkan hasil pertanian, sampai pada suatu kondisi dimana penambahan
pupuk tidak lagi mampu meningkatkan hasil pertanian seperti sebelumnya.
2.3. K-Means
Teknik clustering digunakan untuk mencari kelompok yang cocok untuk
sampel-sampel dari satu set data. Tidak ada pengetahuan apriori tentang data ini.
dan teknik klasifikasi tidak dapat digunakan dalam kasus ini. Algoritma k-means
adalah salah satu yang paling populer algoritma untuk clustering. Ini adalah salah
satu algoritma yang sering digunakan untuk data mining, sebagaimana telah
ditempatkan di antara 10 algoritma teratas untuk data mining.
Algoritma K-Means partisi satu set data ke dalam k jumlah cluster yang
diuraikan dengan mencari pola yang melekat di set. Parameter k biasanya jauh
lebih kecil dari dimensi dari himpunan sampel, dan, secara umum, perlu memiliki
nilai yang telah ditentukan sebelum menggunakan algoritma. Ada kasus di mana
nilai k dapat diperoleh dari masalah yang diteliti. Misalnya, dalam contoh analisis
tes darah, tujuannya adalah untuk membedakan antara pasien yang sehat dan
sakit. Oleh karena itu, dua kelompok yang berbeda dapat didefinisikan, dan
kemudian k = 2. Namun dalam aplikasi lain, parameter k tidak dapat didefinisikan
dengan mudah. Dalam contoh memisahkan apel baik dari yang buruk, gambar
apel perlu dianalisis. Himpunan gambar apel dapat dipartisi dengan cara yang
berbeda. Satu partisi dapat diperoleh dengan membagi apel menjadi dua
kelompok, satu berisi apel dengan cacat dan satu lagi berisi apel baik. Dalam
kasus k = 2. Namun, apel cacat dapat diklasifikasikan berdasarkan tingkat cacat.
Misalnya, jika apel memiliki cacat yang tidak terlalu terlihat, maka apel ini dapat
dijual dengan harga lebih rendah. Oleh karena itu, bahkan apel yang rusak dapat
dikelompokkan dalam kelompok yang berbeda. Dalam hal ini, k menunjukkan
jumlah cacat yang dipertimbangkan. Ketika ada ketidakpastian pada nilai
parameter k, satu set nilai yang mungkin dianggap dan algoritma dilakukan untuk
setiap nilai. Partisi diperoleh terbaik dalam kelompok kemudian dapat
Objective function yang berusaha diminimalkan oleh k-means adalah:
( , ) = ( ∗ ( _ , _ ) ) ( 2.1 )
Dimana :
• U adalah Matriks keanggotaan data ke masing-masing cluster yang
berisikan nilai 0 dan 1
• V adalah matriks centroid/rata-rata masing-masing cluster
• N adalah jumlah data
• c adalah jumlah cluster
• a_ik adalah keanggotaan data ke-k ke cluster ke-i
• x_k adalah data ke-k
• v_i adalah nilai centroid cluster ke-i
Prosedur yang digunakan dalam melakukan optimasi menggunakan
k-means adalah sebagai berikut:
1. Tentukan jumlah cluster
2. Alokasikan data ke dalam cluster secara random
3. Hitung centroid/rata-rata dari data yang ada di masing-masing
cluster.
4. Alokasikan masing-masing data ke centroid/rata-rata terdekat
5. Kembali ke Step 3, apabila masih ada data yang berpindah cluster
threshold yang ditentukan atau apabila perubahan nilai pada
objective function yang digunakan, di atas nilai threshold yang
ditentukan Centroid/rata-rata dari data yang ada di masing-masing
cluster yang dihitung pada Step 3. didapatkan menggunakan rumus
sebagai berikut:
= ( 2.2 )
Dimana:
• i,k adalah indeks dari cluster
• j adalah indeks dari variabel
• v_ij adalah centroid/rata-rata cluster ke-i untuk variabel ke-j
• x_kj adalah nilai data ke-k yang ada di dalam cluster tersebut
untuk variabel ke-j
• N_i adalah Jumlah data yang menjadi anggota cluster ke-i
Sedangkan pengalokasian data ke masing-masing cluster yang dilakukan
pada Step 4. dilakukan secara penuh, dimana nilai yang memungkinkan untuk
a_ik adalah 0 atau 1. Nilai 1 untuk data yang dialokasikan ke cluster dan nilai 0
untuk data yang dialokasikan ke cluster yang lain. Dalam menentukan apakah
suatu data teralokasikan ke suatu cluster atau tidak, dapat dilakukan dengan
menghitung jarak data tersebut ke masing centroid/rata-rata
masing-masing cluster. Dalam hal ini, a_ik akan bernilai 1 untuk cluster yang centroidnya
Gambar 2.1. Flowchart K-Means.
2.4. MATLAB
MATLAB adalah sebuah lingkungan komputasi numerikal dan bahasa
pemrograman komputer generasi keempat. Dikembangkan oleh The MathWorks,
MATLAB memungkinkan manipulasi matriks, pem-plot-an fungsi dan data,
dengan program dalam bahasa lainnya. Meskipun hanya bernuansa numerik,
sebuah kotak kakas (toolbox) yang menggunakan mesin simbolik MuPAD,
memungkinkan akses terhadap kemampuan aljabar komputer. Sebuah paket
tambahan, Simulink, menambahkan simulasi grafis multiranah dan Desain
Berdasar-Model untuk sistem terlekat dan dinamik. Pada tahun 2004, MathWorks
mengklaim bahwa MATLAB telah dimanfaatkan oleh lebih dari satu juta
pengguna di dunia pendidikan dan industri.
MATLAB (yang berarti "matrix laboratory") diciptakan pada akhir tahun
1970-an oleh Cleve Moler, yang kemudian menjadi Ketua Departemen Ilmu
Komputer di Universitas New Mexico. Ia merancangnya untuk memberikan akses
bagi mahasiswa dalam memakai LINPACK dan EISPACK tanpa harus
mempelajari Fortran. Karyanya itu segera menyebar ke universitas-universitas
lain dan memperoleh sambutan hangat di kalangan komunitas matematika
terapan. Jack Little, seorang insinyur, dipertemukan dengan karyanya tersebut
selama kunjungan Moler ke Universitas Stanford pada tahun 1983. Menyadari
potensi komersialnya, ia bergabung dengan Moler dan Steve Bangert. Mereka
menulis ulang MATLAB dalam bahasa pemrograman C, kemudian mendirikan
The MathWorks pada tahun 1984 untuk melanjutkan pengembangannya. Pustaka
yang ditulis ulang tadi kini dikenal dengan nama JACKPAC.[rujukan?] Pada
tahun 2000, MATLAB ditulis ulang dengan pemakaian sekumpulan pustaka baru
untuk manipulasi matriks, LAPACK.
MATLAB pertama kali diadopsi oleh insinyur rancangan kontrol (yang
juga spesialisasi Little), tapi lalu menyebar secara cepat ke berbagai bidang lain.
linear dan analisis numerik, serta populer di kalangan ilmuwan yang menekuni
bidang pengolahan citra.
Ga mbar 2.2. Antarmuka Matlab 2010a.
Fitur-fitur MATLAB sudah banyak dikembangkan, dan lebih kita kenal
dengan nama toolbox. Sangat penting bagi seorang pengguna Matlab, toolbox
mana yang mandukung untuk learn dan apply technologi yang sedang
dipelajarinya. Toolbox toolbox ini merupakan kumpulan dari fungsi-fungsi
MATLAB (M-files) yang telah dikembangkan ke suatu lingkungan kerja
MATLAB untuk memecahkan masalah dalam kelas particular. Area-area yang
sudah bisa dipecahkan dengan toolbox saat ini meliputi pengolahan sinyal, system
kontrol, neural networks, fuzzy logic, wavelets, dan lain-lain.
2.4.1 Kelengkapan pada sistem MATLAB
a.1 Development Environment
Merupakan sekumpulan perangkat dan fasilitas yang membantu anda
untuk menggunakan fungsi-fungsi dan file-file MATLAB. Beberapa perangkat ini
merupakan sebuah graphical user interfaces (GUI). Termasuk didalamnya adalah
MATLAB desktop dan Command Window, command history, sebuah editor dan
debugger, dan browsers untuk melihat help, workspace, files, dan search path.
a.2 MATLAB Mathematical Function Library
Merupakan sekumpulan algoritma komputasi mulai dari fungsi-fungsi
dasar sepertri: sum, sin, cos, dan complex arithmetic, sampai dengan fungsi-fungsi
yang lebih kompek seperti matrix inverse, matrix eigenvalues, Bessel functions,
dan fast Fourier transforms.
a.3 MATLAB Language
Merupakan suatu high-level matrix/array language dengan control flow
statements, functions, data structures, input/output, dan fitur-fitur object-oriented
programming. Ini memungkinkan bagi kita untuk melakukan kedua hal baik
"pemrograman dalam lingkup sederhana " untuk mendapatkan hasil yang cepat,
dan "pemrograman dalam lingkup yang lebih besar" untuk memperoleh hasil-hasil
dan aplikasi yang komplek.
a.4 Graphics
MATLAB memiliki fasilitas untuk menampilkan vector dan matrices
processing, animation, dan presentation graphics. Ini juga melibatkan fungsi level
rendah yang memungkinkan bagi anda untuk membiasakan diri untuk
memunculkan grafik mulai dari benutk yang sederhana sampai dengan tingkatan
graphical user interfaces pada aplikasi MATLAB anda.
a.5 MATLAB Application Program Interface (API)
Merupakan suatu library yang memungkinkan program yang telah anda
tulis dalam bahasa C dan Fortran mampu berinterakasi dengan MATLAB. Ini
melibatkan fasilitas untuk pemanggilan routines dari MATLAB (dynamic
linking), pemanggilan MATLAB sebagai sebuah computational engine, dan untuk
membaca dan menuliskan MAT-files.
2.4.2 Beberapa Bagian dari Window Matlab
Adapun bagian-bagian dari window yang ada pada Matlab yakni :
a.1 Current Folder
Window ini menampilkan isi dari direktori kerja saat menggunakan
matlab. Kita dapat mengganti direktori ini sesuai dengan tempat direktori kerja
yang diinginkan. Default dari alamat direktori berada dalam folder works tempat
Ga mbar 2.3. Current Folder Matlab 2010a.
a.2 Command History
Window ini berfungsi untuk menyimpan perintah-perintah apa saja yang
sebelumnya dilakukan oleh pengguna terhadap matlab. Command history terletak
Gambar 2.4. Command History Matlab 2010a.
a.3 Command Window
Window ini adalah window utama dari Matlab. Disini adalah tempat
untuk menjalankan fungsi, mendeklarasikan variable, menjalankan proses-proses ,
serta melihat isi variable. pada command window dapat juga dilakukan
akses-akses ke command-command MATLAB dengan cara mengetikkan
a.4 Workspace
Workspace berfungsi untuk menampilkan seluruh variabel-variabel yang sedang
aktif pada saat pemakaian matlab. Apabila variabel berupa data matriks berukuran
besar maka user dapat melihat isi dari seluruh data dengan melakukan double klik
pada variabel tersebut. Matlab secara otomatis akan menampilkan window “array
editor” yang berisikan data pada setiap variabel yang dipilih user.
Gambar 2.6. Workspace Matlab 2010a.
2.4.3 Getting Help
Matlab menyediakan fungsi help yang tidak berisikan tutorial lengkap
mengenai Matlab dan segala keunggulannya. User dapat menjalankan fungsi ini
dengan menekan tombol pada toolbar atau menulis perintah ‘helpwin’ pada
command window. Matlab juga menyediakan fungsi demos yang berisikan video
2.4.4 Interupting dan Terminating dalam Matlab
Untuk menghentikan proses yang sedang berjalan pada matlab dapat
dilakukan dengan menekan tombol Ctrl-C. Sedangkan untuk keluar dari matlab
dapat dilakukan dengan menuliskan perintah exit atau quit pada comamnd
window atau dengan menekan menu exit pada bagian menu file dari menu bar.
2.4.5 Variabel Pada MATLAB
Matlab hanya memiliki dua jenis tipe data yaitu Numeric dan String.
Dalam matlab setiap variabel akan disimpan dalam bentuk matrik. User dapat
langsung menuliskan variabel baru tanpa harus mendeklarasikannya terlebih
dahulu pada command window. Berikut contoh pembuatan variabel pada matlab:
Penamaan variabel pada matlab bersifat caseSensitif karena itu perlu
diperhatikan penggunaan huruf besar dan kecil pada penamaan variabel. Apabila
terdapat variabel lama dengan nama yang sama maka matlab secara otomatis akan
me-replace variabel lama tersebut dengan variabel baru yang dibuat user. >> varA = 1000
>> varC = 'test variabel' varC =
a.1 Matriks
Dapat diasumsikan bahwa didalam matlab setiap data akan disimpan
dalam bentuk matriks. Dalam membuat suatu data matriks pada matlab, setiap isi
data harus dimulai dari kurung siku ‘[‘ dan diakhiri dengan kurung siku tutup ‘]’.
Untuk membuat variabel dengan data yang terdiri beberapa baris, gunakan tanda
‘titik koma’ (;) untuk memisahkan data tiap barisnya. Contoh pembuatan data
matriks pada matlab :
Matlab menyediakan beberapa fungsi yang dapat kita gunakan untuk
menghasilkan bentuk-bentuk matriks yang diinginkan. Fungsi-fungsi tersebut
antara lain:
1. zeros : untuk membuat matriks yang semua datanya bernilai 0
2. ones : matriks yang semua datanya bernilai 1
3. rand : matriks dengan data random dengan menggunakan distribusi
uniform
4. randn : matris dengan data random dengan menggunakan distribusi normal
5. eye : untuk menghasilkan matriks identitas
contoh penggunaan fungsi-fungsi diatas:
>> DataMatriks = [1 2 3;4 5 6]
Untuk memanggil isi dari suatu data matriks, gunakan tanda kurung ‘()’
dengan isi indeks dari data yang akan dipanggil. Contoh penggunaan :
Untuk pemanggilan data berurutan seperti a(1,2,3) dapat disingkat
dengan menggunakan tanda titik dua ‘:’ sehingga menjadi a(1:2). Penggunaan
tanda titik dua ‘:’ juga dapat digunakan untuk memanggil data matriks perbaris
atau perkolom.
Contoh penggunaan:
c(2:5) = memanggil data matrik baris 2 sampai baris 5
a(1,:) = memanggil data matriks pada baris pertama
2.4.6 Operator
Beberapa penggunaan operator aritmatika antara dua operand (A dan B)
ditunjukkan pada tabel berikut ini :
Tabel 2.1 Operator matematika dan contohnya pada MATLAB.
Operasi Bentuk Aljabar Bentuk Matlab Contoh
Perkalian A x B A * B 5*3
Pembagian A ÷ B A ¥ B 2¥3
Penjumlahan A + B A + B 1+2
Pengurangan A – B A – B 4-3
Eksponensial A ^ B 4^3
2.4.7 Fungsi Matematika Lainnya
Beberapa fungsi matematika lainnya yang dapat kita gunakan untuk
operasi matematika antara lain sebagai berikut:
1. abs(x) : fungsi untuk menghasilkan nilai absolut dari x
2. sign(x) : fungsi untuk menghasilkan nilai -1 jika x<0, 0 jika x=0 dan 1
jika x>1
3. exp(x) : untuk menghasilkan nilai eksponensian natural, e x
4. log(x) : untuk menghasilkan nilai logaritma natural x, ln x
5. log10(x) : untuk menghasilkan nilai logaritma dengan basis 10, x 10 log
6. sqrt(x) : untuk menghasilkan akar dari nilai x, x
7. rem(x,y) : untuk menghasilkan nilai modulus (sisa pembagian) x
2.4.8 M File
Di dalam matlab, kita dapat menyimpan semua script yang akan
digunakan dalam file pada matlab dengan ekstensi .M. M-File dapat dipanggil
dengan memilih menu file->new->M-File. Berikut contoh gambar editor M-File.
Gambar 2.7. Editor M File.
Di dalam M-File, kita dapat menyimpan semua perintah dan menjalankan
dengan menekan tombol atau mengetikan nama M-File yang kita buat pada
command window.
a.1 Fungsi
Di dalam M File, kita dapat menuliskan fungsi-fungsi yang berisikan
berbagai operasi sehingga menghasilkan data yang diinginkan. Bentuk penulisan
fungsi adalah sebagai berikut :
Functi
on [Nilai keluaran ] = namaFungsi (nilai masukan
Contoh penggunaan fungsi dalam MATLAB, fungsi yang akan dibuat
bernama ‘testfungsi’ memiliki tiga nilai masukan ‘c,d,e’ dan dua nilai keluaran
‘a,b’ penulisannya adalah sebagai berikut.
Selanjutnya Fungsi tersebut akan dijalankan melalui command window
dengan nilai masukan ’10,2,4’. Perhatikan penulisan kurung siku ‘[ ]’ pada nilai
keluaran dan kurung biasa ‘( )’ pada nilai masukan.
a.2 Flow Control
Matlab memiliki empat macam statement yang dapat digunakan untuk
mengatur aliran data pada fungsi yang akan dibuat.
a.2.1 If, Else, Elseif
Dasar penggunaan statement jenis ini adalah sebagai berikut :
function [a,b] = testFungsi(c,d,e)
%operasi yang dijalankan a = c + d +e;
b = c * d *e;
>> [a,b] = testFungsi(10,2,3)
Dalam penggunaan statement if, else, dan elseIf ekspresi akan bernilai 1
jika benar dan bernilai 0 jika salah. Sedangkan untuk contoh penggunaan
statement tersebut adalah sebagai berikut.
Fungsi disp digunakan untuk menampilkan pesan pada command
window. Fungsi tersebut setelah dijalankan melalui command window:
a.2.2 Switch
Statement switch mempunyai fungsi yang hampir sama dengan if, else,
dan elseif. Statement ini digunakan untuk percabangan atau brancing untuk
pengambilan sebuah keputusan. Bentuk dasar penggunaan statement switch
adalah sebagai berikut.
function testFungsi(A,B) if A > B
disp('A lebih besar dari B') elseif A == B
disp('A sama dengan B') else
Sedangkan jika di implementasikan dalam sebuah program singkat akan
terlihat sebagai berikut.
Jika fungsi diatas dijalankan, berikut hasil dari program tersebut.
a.2.3 While
Fungsi dari perulangan while adalah untuk melakukan tugas berulang
adalah sama dengan statement IF untuk menentukan benar atau salah.Berikut ini
adalah struktur dari while.
Contoh penggunaan statement while adalah sebagai berikut.
Program singkat di atas, jika dijalankan maka hasilnya sebagai berikut.
a.2.4 For
Struktur perulangan for biasa digunakan untuk mengulang suatu proses
yang telah diketahui jumlah perulangannya. Dari segi penulisannya, struktur
perulangan for tampaknya lebih efisien karena susunannya lebih simpel dan while ekspresi
statements ...
end
function testFungsi(x)
Default dari nilai increment (penambahan nilai setiap perulangan) jika
tidak ditentukan oleh user adalah 1. Berikut adalah contoh penggunaan looping
for dalam sebuah fungsi di MATLAB.
Jika dijalankan maka program di atas akan menghasilkan :
a.3 Operator
Berikut ini adalah jenis-jenis operator pada matlab yang dapat digunakan
untuk operasi ekspresi pada statement yang membutuhkan perbandingan seperti if
atau while.
Tabel 2.2. Operator Perbandingan Pada Matlab.
Oper ator Keterangan
A < B A lebih kecil dari B
A > B A lebih besar dari B
A < = B A lebih kecil atau sama dengan B
A > = B A lebih besar atau sama dengan B
for index = start:increment:stop
statement ...
...
statement end
A = = B A sama dengan B
A ~ = B A tidak sama dengan B
2.5. Pendeteksian Bentuk dan Tekstur Fitur
Pendeteksian bentuk dan teksturfitur adalah hal yang diperlukan untuk
mengidentifikasi awal segala unsur yang terkandung di dalamnya agar lebih akuratuntuk melakukan tindakan pengendalian dan dan langkah-langkah
perbaikan.
2.5.1 Persiapan Pemrosesan Gambar
Untuk mengurangi beban komputasi dan standardisasi resolusi gambar, Pengolahan Citra dilakukan secara manual dengan software pendukung
pemrosesan image seperti Adobe Photoshop, Windows Fax and Photo Viewer,
dan lain-lain. Karena semua gambar belum tentu pas dengan kebutuhan aplikasi.
Hal itu dapat dianggap sebagai hal pengganggu dalam pemrosesan gambar
tersebut, oleh karena itu gambar harus di kompres sebelum analisis citra lebih lanjut.
2.5.2 Ekstraksi Fitur
Dalam pengolahan citra, fitur gambar biasanya disertakan warna, bentuk
dan fitur tekstur. Karena warna fitur dipengaruhi sebagian besar oleh cahaya luar
(Qing Yao : 2009).
kemudian menggunakan fitur ini di dalam pola untuk memperoleh classifier final
kelas. Fitur ekstraksi (atau deteksi) bertujuan untuk mencari daerah fitur yang
signifikan pada gambar tergantung pada karakteristik intrinsik mereka dan aplikasi. Wilayah tersebut dapat didefinisikan dalam lingkungan global atau lokal
dan dibedakan oleh bentuk, tekstur, ukuran, intensitas, sifat statistik, dan sebagainya.
Metode ekstraksi fitur lokal dibagi menjadi intensitas sesuai dan struktur berbasis. Intensitas metode berbasis analisis pola intensitas lokal untuk menemukan daerah yang memenuhi keunikan yang diinginkan atau stabilitas
kriteria. Struktur berbasis metode mendeteksi struktur gambar seperti tepi, garis,
sudut, lingkaran, elips, dan sebagainya. Fitur ekstraksi cenderung untuk
mengidentifikasi ciri-ciri yang dapat membentuk representasi yang baik dari
objek, sehingga dapat membedakan di kategori objek dengan variasi toleransi. Banyak sistem perangkat lunak analisis data yang menyediakan fitur
ekstraksi. Lingkungan pemrogramman seperti MATLAB, Scilab, R. Numpy menyediakan beberapa fitur yang lebih sederhana untuk teknik ekstraksi
(misalnya Analisis Komponen Dasar) melalui built-in perintah.
2.6. Digital Image Processing
Digital Image Processing atau yang lebih dikenal dengan Pengolahan Citra Digital adalah salah satu cabang dari ilmu informatika. Pengolahan citra
berkutat pada usaha melakukan transformasi suatu citra atau gambar menjadi citra
Image atau gambar adalah representasi spasial dari suatu objek yang
sebenarnya dalam bidang dua dimensi yang biasanya ditulis dalam koordinat
kartesian x-y, dan setiap koordinat merepresentasikan satu sinyal terkecil dari
objek yang biasanya koordinat terkecil ini disebut piksel. Karena merupakan
sistem koordinat yang memiliki nilai maka biasanya image dianggap sebuah
matrix x-y yang berisi nilai piksel.
Represntasi dari matriks tersebut dapat ditulis sebagai berikut:
( 2.3 )
Dan di MATLAB representasi di atas biasa di tulis menjadi :
( 2.4 )
Yang perlu diperhatikan adalah bahwa indeks matriks pada MATLAB
selalu dimulai dengan angka 1 sehingga untuk f(0,0) akan sama dengan f(1,1)
pada matlab. Bent uk mat rik ini kemudian diolah menurut t eori-t eori t ert ent u yang
bertujuan unt uk m emecahkan masalah t ert ent u, bent uk matriks adalah perw ujudan dari
bent uk sinyal digit al sehingga pr oses pem ecahan dan pengolahan mat riks dari gambar
ini biasanya disebut dengan digit al image processing.
2.6.1 Pembacaan Image
imread(‘filename’)
Perintah ini dapat digunakan untuk membaca beberapa format file
diantaranya:
Tabel 2.3. Pembacaan Format File.
Format Deskripsi Recognized Ext ension
TIFF Tagged Image File Format .t if .tiff
JPEG Join Phot ograpics Expert 's Group .jpg .jpeg
GIF Grapics Int erchange Format .gif
BM P Window s Bit map .bmp
PNG Portable Netw ork Grapics .png
XWD X-Window Dump .xw d
2.7. Image Segmentation
Segmentasi gambar ridak hanya dasar teknologi pengolahan citradan visi
profase, tetapi juga komponen penting dari gambar paling analisis dan sistem
visual (Shen Weizheng : 2008).Segmentasi image digunakan untuk memisahkan daerah yang berbeda dengan signifikasi khusus pada gambar. Daerah ini tidak berpotongan antara satu dengan yang lainnya, dan setiap daerah harus memenuhi
kondisi yang konsisten pada daerah tertentu. Contoh untuk proses segmentasi citra
yang digunakan adalah klasterisasi (clustering).
2.7.1 Segmentasi Citra Berdasarkan Pemberian Nama Komponen
Suatu metode pengujian konektivitas piksel dengan tetangganya dan
pemberian nama dari pikselpiksel yang telah dihubungkan. Salah satu algoritma
2.7.2 Segmentasi Citra Berdasarkan Pendekatan Wilayah dan Klastering
Ide utama dalam teknik segmentasi berdasar wilayah adalah
mengidentifikasi beberapa wilayah dalam suatu citra yang memiliki kesamaan
corak. Teknik klasterisasi yang ditemui dalam literatur pengenalan pola memiliki
kesamaan objek dan dapat diterapkan untuk segmentasi citra. Citra dibagi dalam
wilayah-wilayah kecil yang nilai aras keabuannya seragam. Untuk segmentasi
citra berdasarkan klasterisasi akan dibahas lebih rinci pada bagian selanjutnya.
2.8. Teknik Pemetaan Warna ( Color Mapping )
Teknik pemetaan warna merupakan bagiansalah satu teknik segmentasi
citra menggunakan metode klasterisasi. Hal ini disebabkan dalam memetakan
warna dari citra masukan akan dikelompokan sesuai dengan kesamaan-kesamaan
warna yang dimiliki. Sehingga tahap-tahap yang akan digunakan mempunyai
kesamaan dengan metode klasterisasi.
2.8.1 Klasterisasi
Cluster (klaster) adalah kesatuan nilai-nilai dalam jarak tertentu pada
kepadatan suatu daerah (relatif besar) dibandingkan dengan kepadatan nilai-nilai
daerah sekitarnya. Teknik klasterisasi bermanfaat untuk segmentasi citra dan
klasifikasi data yang belum diolah untuk menciptakan kelas-kelas.
Warna diwakili dalam vektor 3 dimensi dari nilai titiknya.
Masing-Masing komponen warna dihadirkan dalam warna merah, hijau dan biru (RGB).
Perlu dicatat bahwa penggunaan penyajian ini, jika dua garis vektor adalah saling
warna yang akan ditampilkan sangat berbeda, maka akan diambil jalan tengah
dengan menghadirkan suatu warna secara kasar dari warna aslinya. Acuan ini juga
ketika rata-rata berbagai garis vektor RGB. Adapun cara-cara lain yang tidak
membatasi untuk menghadirkan suatu warna dengan garis vektor 3 dimensi.
Berikut untuk detilnya dari penjelasan di atas, bagaimana pilihan penampilan
warna mempengaruhi hasil proses klasterisasi:
1. Langkah yang pertama adalah menetapkan data set dari algoritma yang
akan digunakan (KMeans), yaitu dengan melakukan pengambilan nilai
acak dari k.
2. Kemudian, penampilan RGB dari tiap pixel diciptakan, dan
menghasilkan dataset dalam 3-vektor.
3. Algoritma K-Means diterapkan pada dataset, menetapkan klasterisasi
pusat k. Algoritma K-Means akan menghadirkan k warna untuk
menggambarkan citra tersebut.
4. Tiap-Tiap piksel citra dikonversi dalam suatu garis vektor RGB, dan
ditampilkan menggunakan rata-rata dari kelompok warna yang
dihasilkan.
Ada dua algoritma utama dalam klasterisasi, yaitu algoritma klasterisasi
hirarki ( Hierarchical Clustering ) dan algoritma K-Means.
Algoritma K-Means adalah suatu algoritma pengelompokan objek
berdasar pada atribut ke dalam pembagi k. Ini merupakan suatu varian algoritma
maksimalisasi kemungkinan, dimana tujuanya adalah untuk menentukan k.
Diasumsikan bahwa format atribut objek itu adalah suatu garis vektor ruang.
= − ∈
( 2 .5 )
Dimana ada k klaster Si, i = 1,2,...,k dan µi adalah pusat luasan atau titik
dari semua poin-poin.
Algoritma ini dimulai dengan penyekatan masukan menunjuk ke dalam
tetapan k secara acak. Kemudian mengkalkulasi rata-rata titik, atau pusat luasan,
dari tiap set. Hal ini mengakibatkan suatu sekat baru dengan menghubungkan
masing-masing dengan pusat luasan yang terdekat. Kemudian pusat luasan
dihitung kembali untuk klaster yang baru, dan algoritma yang diulangi dua
langkah sampai pemusatan, yang mana diperoleh ketika poin-poin tidak lagi
berpindah klaster ( atau sebagai alternatif pusat luasan adalah tidak lagi diubah).
Walaupun algoritma harus selalu memusat, tidak ada batas pada
banyaknya iterasi yang berulangulang sesuai yang diperlukan. Suatu implementasi
boleh dipilih untuk menghentikan algoritma itu setelah suatu jumlah iterasi
tertentu. Pemusatan tidaklah menjamin untuk menghasilkan suatu hasil yang
maksimal secara menyeluruh.
Kelemahan dari algoritma K-Means adalah bahwa harus ditetapkan
banyaknya klaster-klaster (k). Jika data tidaklah secara alami dikelompokkan,
akan didapatkan suatu hasil yang aneh. Begitu juga algoritma akan bekerja baik
jika klaster telah berbentuk sekumpulan data yang tersedia sejak awal.
Berikut proses algoritma K-Means:
1. Data yang ada dipisahkan dalam kelompok-kelompok data (klaster) k dan
nilai-nlai data diacak ke dalam hasil-hasil kelompok data dalam
2. Tiap nilai data dihitung menggunakan jarak Euclidean untuk tiap klaster.
3. Jika nilai data diwakili kelompok data tersendiri, biarkan, dan jika nilai
data tak terwakili oleh kelompok data, pindah ke dalam kelompok data
yang telah terwakili.
4. Ulangi langkah di atas sampai lengkap meliputi seluruh hasil nilai data
dalam perpindahan satu klaster ke klaster lainnya.
2.8.2 Jarak Euclidean ( Euclidean Distance )
Secara umum jarak Euclidean adalah jarak antara dua titik yang akan
diukur pada satu, dua atau tiga dimensi. Berikut adalah posisi dari dua titik pada 3
dimensi; P = ( px , py , pz ) , Q = (qx , qy , qz ) , sehingga jaraknya:
= ( − ) + − + ( − ) ( 2.6 )
Dengan P adalah nilai data dan Q adalah pusat dari kelompok data. Jika
diterapkan dalam segmentasi citra menggunakan pemetaaan warna dapat
dijabarkan sebagai berikut:
= ‖ ( , , )− ( , , )‖
Dengan d adalah jarak euclidean. Suatu contoh adalah ketika mencari
jarak yang minimum antara dua titik di permukaan ruang 3 dimensi. Satu cara
untuk memulainya dengan membuat suatu titik koordinat di atas permukaan
masing-masing, dan bandingkan jarak dari tiap-tiap titik koordinat pada
permukaan yang pertama dengan tiap-tiap titik koordinat pada permukaan yang
kedua.
Penggolongan jarak yang minimum digunakan untuk menggolongkan
data citra yang tak dikenal ke dalam kelompok-kelompok yang memperkecil jarak
antara data citra dan kelompok di dalam jarak yang bervariasi.
2.9. Deteksi Tepi (Edge Detection)
Deteksi tepi (edge detection) adalah operasi yang dijalankan untuk mendeteksi garis tepi (edges) atau boundary untuk segmentasi, registrasi dan
identifikasi objek. Edge adalah beberapa bagian dari citra di mana intensitas
kecerahan berubah secara drastis.
Dalam menggunakan objek berdimensi 1, perubahan dapat diukur dengan
menggunakan fungsi turunan (derriative function). Perubahan mencapai maksimum pada saat nilai turunannya pertamanya mencapai nilai maksimum atau
nilai turunan kedua (2nd derriative) bernilai 0
2.9.1 Prinsip-prinsip Deteksi Tepi
Deteksi tepi (Edge Detection) pada suatu citra adalah suatu proses yang menghasilkan tepi-tepi dari obyek-obyek citra, tujuannya adalah:
b. Untuk memperbaiki detail dari citra yang kabur, yang terjadi karena error atau
adanya efek dari proses akuisisi citra.
Suatu titik (x,y) dikatakan sebagai tepi (edge) dari suatu citra bila titik tersebut mempunyai perbedaan yang tinggi dengan tetangganya. Gambar 2.8.
menggambarkan bagaimana tepi suatu gambar diperoleh.
Gambar 2.8. Proses Deteksi Tepi Citra.
Perhatikan hasil deteksi dari beberapa citra dengan menggunakan model
Gambar 2.9. Hasil Beberapa Deteksi Tepi.
Pada Gamba r 2.9. terlihat bahwa hasil deteksi tepi berupa tep-tepi dari
sutau gambar. Bila diperhatikan bahwa tepi suatu gambar terletak pada titik-titik
yang memiliki perbedaan tinggi. Berdasarkan prinsip-prinsip filter pada citra
