BAB IV
IMPLEMENTASI DAN HASIL PENGUJIAN 4.1 Implementasi Aplikasi
Bagian ini membahas implementasi aplikasi yang telah dibuat untuk
dilakukan pengujian terhadap aplikasi sehingga akan
diketahui hasil dari
perancangan yang telah dilakukan. Aplikasi yang dibuat akan melakukan perubahan citra ke dalam citra ke abuan kemudian melakukan proses ektraksi dengan metode GLCM lalu menyimpan data yang ada.
Bentuk aplikasi yang telah dibuat berextensi “ .jar “ dan dapat dikonvesri
ke bentuk yang lain jika memang diperlukan.
Kayu jati memiliki ciri yang khas sehingga dapat diidentifikasi jenis
setiap kayu.
Aplikasi ini menjadi alat bantu untuk mengidentifikasi jenis kayu
jati sehingga ketika terdapat aksi pembalakan liar dapat menggunakan aplikasi ini. Aplikasi menggunakan masukan gambar yang diambil langsung dari kayu jati kemudian dilakukan identifikasi.
4.2 Menjalankan Aplikasi untuk Ekstraksi Citra
Tampilan awal ketika aplikasi pertama kali di jalankan adalah sebagai
berikut. Aplikasi menyajikan 13 jendela inputan yang harus diisi dengan citra, ketika inputan belum terisi penuh dan dilakukan klik tombol ‘process‘ akan muncul jendela notifikasi untuk melakukan pengisian ulang citra.
Pada bagian sebelah kanan disajikan kolom keluaran untuk hasil rentang
ciri citra dan persentase kemiripan citra uji coba dengan citra pembanding. Citra uji coba digunakan sebagai data base sementara citra pembanding digunakan sebagai citra yang diidentifikasi kemiripannya.
46 http://digilib.mercubuana.ac.id/
47
Gambar 4.1 Setelah aplikasi dijalankan, maka tahap pertama yaitu mengisi 13 citra inputan
Gambar 4.2 Memilih Citra dengan menglakukan ‘Klik’ pada kolom inputan
http://digilib.mercubuana.ac.id/
48
Gambar 4.3 Ketika inputan belum memenuhi 13 citra maka akan munjul jendela peringatan Proses yang terjadi ketika tombol “Process” di tekan yaitu : 1. Membaca piksel citra dan mengkonversinya menjadi citra grayscale. Pada tahap uji coba penulis menggunakan citra berukuran 10 x 10, citra yang digunakan adalah citra kayu jati Bojonegoro.
Gambar 4.4 Nilai konversi grayscale citra kayu Jati pada citra inputan pertama
http://digilib.mercubuana.ac.id/
49
Setelah citra dikonversi selanjutnya yaitu mencari nilai maksimum dan minimum dari citra diatas untuk membuat matrik framework.
Gambar 4.5 Nilai minimum dan maksimum citra pada citra inputan pertama Proses selanjutnya yaitu mencari nilai ketetanggaan 0 derajat, yaitu mencari nilai ketetanggaan kearah kanan dari piksel mulai. Ketanggan ini di simpan pada matrik framework.
Gambar 4.6 Matrik framework sudut 0 derajat pada citra inputan pertama
http://digilib.mercubuana.ac.id/
50
Setelah proses diatas, maka proses selanjutnya adalah proses me-normalisasi,
tetapi sebelum proses normalisasi dibutuhkan proses penjumlahan seluruh nilai ketetanggan.
Gambar 4.7 Nilai jumlah matrik framework sudut 0 derajat pada citra inputan pertama
Gambar 4.8 Normalisasi sudut 0 derajat 2. Melakukan identifikasi kemiripan citra melalui proses statistik
Proses yang dilakukan oleh aplikasi selanjutnya yaitu melakukan
perhitungan untung mengetahui persetase kemiripan citra pembanding dengan citra Uji. Proses yang dilakukan melalui tahapan berukut 2.1 Menghitung rata rata citra pembanding
Gambar 4.9 Hasil perhitungan ke empat Ciri yaitu contrast, Corelation, Entropy, dan Homogeneity dari ke 13 citra inputan
http://digilib.mercubuana.ac.id/
51
Gambar 4.10 Hasil perhitungan rata rata citra pembanding 2.2 Menghitung selisih rata rata dengan nilai citra pembanding
Gambar 4.11 selisih rata rata citra pembanding 2.3 Menentukan persentase kemiripan citra uji dengan citra pembanding
Gamber 4.12 Nilai kemiripan citra pembanding
http://digilib.mercubuana.ac.id/
52
Gambar 4.13 Persentase yang dihasilkan. Ciri corelation menjadi ciri yang paling tepat untuk digunakan sebagai extraksi ciri yang paling baik dalam melakukan identifikasi ciri citra.
Hasil dari proses yang dijalan kan ditampilkan pada gambar berikut.
Gambar 4.14 Tampilan Aplikasi setelah selesai menjalankan process
4.3 Tabel Hasil Uji Coba
Setelah dijadalankan process pada Aplikasi dihasilkan analisi ciri tektur dari citra tektur Gambar 4.15 yang merupakan citra kayu jati bojonegoro. Kemudian di
http://digilib.mercubuana.ac.id/
53
potong menjadi 13 bagian sebesar 10 x 10 dimana bagian tersebut dibagian secara acak sebagai sample.
Gambar 4.15 Citra Kayu jati
Tabel 4.1 Hasil identifikasi Ciri kayu jati
Contract Correlation Energy Homogenity
Min
-1332.4 -3.39999 0 0
Rentang
Max
14522.4 9.0 0 0
Persentase identifikasi Kemiripan 70% 100 % 0 0
Dari hasil tersebut maka Correlation menjadi ciri yang paling tepat untuk digunakan dalam mengidenfitikasi ciri tekstur kayu jati. Hasil tersebut sesuai dengan hasil pada penelitian sebelumnya menggunakan perhitungan Matlab. Dalam Penelitian ini dilakukan uji Coba terhadap 10 citra kayu jati. Berikut citra kayu jati tersebut yang akan di olah dalam extraksi ciri Citra.
http://digilib.mercubuana.ac.id/
54
Tabel 4.2 Hasil Uji sample 1
Max
Persentase identifikasi Kemiripan
5.4
37 %
Contract
-9557.0
20723.8
Energy
0
0
Correlation Gambar 4.16
Min
Rentang
Homogenity
-5.6 0
0
100% 0
0
Tabel 4.3 Hasil Uji sample 2
Max
Persentase identifikasi Kemiripan
4.2
12.0%
0
0%
Contract
-14888.399
23540.8
Energy
0
0
Correlation Gambar 4.17
Min
Rentang
Homogenity
-3.8 0
100% 0%
Tabel 4.4 Hasil Uji sample 3
Max
Persentase identifikasi Kemiripan
8.0
75.0%
0
0%
Contract
-18703.398
23235.0
Energy
0
0
Correlation Gambar 4.18
Min
Rentang
Homogenity
-5.2 0
http://digilib.mercubuana.ac.id/
50.0% 0%
55
Tabel 4.5 Hasil Uji sample 4
Max
Persentase identifikasi Kemiripan
6.4
75.0%
Contract
-21471.4
38697.4
Energy
0.0
0.0
Correlation Gambar 4.19
Min
Rentang
Homogenity
-4.4 0.0
0.0
87.0 % 0.0%
0.0%
Tabel 4.6 Hasil Uji sample 5
Max
Persentase identifikasi Kemiripan
5.6
0.0%
Contract
-977.2
19978.8
Energy
0.0
0.0
Correlation Gambar 4.20
Min
Rentang
Homogenity
-4.4 0.0
http://digilib.mercubuana.ac.id/
0.0
100.0% 0.0%
0.0%