Artikel Skripsi Universitas Nusantara PGRI Kediri
KLASIFIKASI BUNGA EUPHORBIA BERDASARKAN KELOPAK DENGAN METODE PRINCIPAL COMPONENT ANALYSIS (PCA) SKRIPSI Diajukan Untuk Memenuhi Sebagai Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom.) Pada Program Studi Teknik Informatika Fakultas Teknik UNP Kediri
Oleh :
OKI MEKARSARI 11.1.03.02.0281
PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNIK UNIVERSITAS NUSANTARA PGRI KEDIRI 2016
Oki Mekarsari | 11.1.03.02.0281 Fakultas Teknik – Program Studi Teknik Informatika
simki.unpkediri.ac.id
Artikel Skripsi Universitas Nusantara PGRI Kediri
Oki Mekarsari | 11.1.03.02.0281 Fakultas Teknik – Program Studi Teknik Informatika
simki.unpkediri.ac.id
Artikel Skripsi Universitas Nusantara PGRI Kediri
Oki Mekarsari | 11.1.03.02.0281 Fakultas Teknik – Program Studi Teknik Informatika
simki.unpkediri.ac.id
Artikel Skripsi Universitas Nusantara PGRI Kediri
KLASIFIKASI BUNGA EUPHORBIA BERDASARKAN KELOPAK DENGAN METODE PRINCIPAL COMPONENT ANALYSIS (PCA) Oki Mekarsari 11.1.03.02.0281 Teknik – Teknik Informatika
[email protected] Dra. Budhi Utami, M.Pd dan Rianto, S.Kom UNIVERSITAS NUSANTARA PGRI KEDIRI ABSTRAK Oki Mekarsari : Klasifikasi Bunga Euphorbia Berdasarkan Kelopak Dengan Metode Principal Component Analysis, Skripsi, Teknik Informatika, Teknik Universitas Nusantara PGRI Kediri, 2016. Penelitian ini dilatar belakangi dari hasil pengamatan dan pengalaman peneliti, bahwa bunga Euphorbia adalah salah satu jenis tanaman yang digemari semua orang untuk menghiasi dan memperindah halaman rumah mereka. Bunga Euphorbia memiliki banyak jenisnya, akan tetapi masyarakat banyak yang belum mengetahui tentang jenis bunga Euphorbia tersebut. Mereka hanya mengetahui sekedar namanya saja bukan jenis bunga Euphorbia tersebut. Permasalahan penelitiann ini adalah (1) Bagaimana merancang dan membangun aplikasi klasifikasi bunga Euphorbia berdasarkan kelopak bunga tersebut?(2) Bagaimana gambar bunga dapat dijadikan inputan untuk pengklasifikasian bunga tersebut?(3) Bagaimana menerapkan metode PCA ke dalam pembuatan aplikasi klasifikasi bunga Euphorbia berdasarkan kelopak bunga?(4) Bagaimana mencari nilai antara data training dan testing menggunakan Euclidean Distance?. Penelitian ini menggunakan metode Principal Component Analysis (PCA) dengan objek penelitian bunga Euphorbia. Bunga Euphorbia yang digunakan adalah bunga Euphorbia Milli splendens, Euphorbia milli ch. des moulins, dan Euphorbia pulcherrima. Citra kelopak bunga Euphorbia akan dilakukan tahap pre-processing yang meliputi grayscale dan thresholding, kemudian diproses dengan metode PCA dan pengenalannya menggunakan euclidean distance. Penelitian dilaksanakan sesuai dengan jadwal penelitian yang sudah dibuat yaitu persiapan, observasi, wawancara, perancangan, desaian sistem, pengkodingan, implementasi aplikasi,maintance aplikasi. Kesimpulan dari penelitian ini adalah (1) metode PCA (Principal Component Analysis) telah berhasil untuk mengklasifikasikan macam-macam bunga Euphorbia. (2)PCA (Principal Component Analysis) memproyeksikan citra dari vektor yang berdimensi tinggi ke vektor yang mempunyai dimensi yang lebih rendah kemudian dicari nilai eigen vektor dan eigen value untuk melakukan ekstraksi ciri. (3) Euclidean Distance memperoleh nilai kedekatan antara data training dengan data testing yang akan digunakan untuk pengklasifikasian.(4) Prosentase akurasi yang didapat mencapai 90%, Besarnya tingkat akurasi dipengaruhi oleh banyaknya jumlah data training yang digunakan.
Kata kunci: klasifikasi, bunga Euphorbia, Principal Component Analysis.
Oki Mekarsari | 11.1.03.02.0281 Fakultas Teknik – Program Studi Teknik Informatika
simki.unpkediri.ac.id
Artikel Skripsi Universitas Nusantara PGRI Kediri I.
bunga Euphorbia. Mereka hanya
LATAR BELAKANG Bunga adalah salah satu jenis
mengetahui sekedar namanya bukan
tanaman yang digemari semua orang,
jenis dari bunga tersebut. Oleh karena
karena
bisa
memperindah
digunakan
untuk
itu
diperlukan
halaman
rumah
mengklasifikasikan
aplikasi
untuk
jenis
bunga
mereka. Masyarakat baik di pedesaan
Euphorbia berdasarkan kelopaknya,
maupun di perkotaan mempunyai
untuk membedakan dan mengenali
kecenderungan
jenis-jenis bunga Euphorbia.
untuk
tinggal
di
lingkungan yang nyaman, segar dan
Sekilas tentang metode yang saya
indah. Keadaan ini dapat tercipta
gunakan untuk penelitian ini adalah
dengan menanam bunga di sekitar
metode
Principal
rumah dan lingkungan tempat tinggal
Analysis
(PCA).
mereka. Salah satu bunga tersebut
merupakan
adalah bunga Euphorbia. Euphorbia
memproyeksikan data vektor yang
adalah merupakan salah satu keluarga
berdimensi tinggi ke vektor yang
Euphorbiaceace
mempunyai dimensi lebih rendah
yang
tumbuh
teknik
Component Metode
PCA
linier
untuk
tersebar di daerah tropis. Tanaman
(Turk,
yang menyerupai kaktus ini sangat
digunakan untuk keperluan ekstraksi
menyukai sinar matahari sehingga
fitur citra, dimana jumlah dimensi
akan
yang
dari citra jauh lebih besar dibanding
semarak jika mendapatkan banyak
jumlah data sampel yang digunakan,
sinar matahari. Penanaman bunga ini
untuk melakukan proyeksi sampel
juga sangat mudah, karena bisa hidup
vektor dari citra pelatihan, setiap citra
di berbagai musim.
pelatihan
menampilkan
Perkembangan
bunga
teknologi
pada
zaman sekarang ini sangat pesat, dengan
perkembangan
teknologi
yang
dapat
membantu
disusun
dalam
bentuk
vektor baris. II.
PRINCIPAL
COMPONENT
ANALYSIS
tersebut muncul berbagai aplikasi canggih
1991). PCA lebih banyak
Menurut Soemartini (2008: 12), definisi
metode
Principal
manusia.
Component Analysis sebagai berikut:
Bunga Euphorbia banyak jenisnya,
Principal Component Analysis
sedangkan masyarakat banyak yang
(PCA) atau disebut juga transformasi
belum mengetahui jenis-jenis dari
Karhunen-Loeve adalah teknik yang
memudahkan
pekerjaan
Oki Mekarsari | 11.1.03.02.0281 Fakultas Teknik – Program Studi Teknik Informatika
simki.unpkediri.ac.id
Artikel Skripsi Universitas Nusantara PGRI Kediri digunakan untuk menyederhanakan
citra dan m adalah jumlah data yang
suatu
cara
dilatih. Setelah itu menghitung nilai
sehingga
rata-rata seluruh data sampel. Karena
data,
dengan
mentransformasi terbentuk
linear
sistem
koordinat
baru
dengan variansi maksimum.
jumlah parameter (dimensi) sejumlah n, maka nilai array rata-rata seluruh
Definisi diatas senada dengan
data adalah (µ1, µ2, µ3,........., µn).
penjelasan yang diutarakan Hery
Rata-rata nol (Zero mean) dapat
Purnomo, Mauridhi dan Muntasa,
dihitung dengan mengurangkan nilai
Arif (2010:192) sebagai berikut :
masing-masing data sampel dengan
PCA merupakan teknik linier
rata-rata data seluruh sampel. Jika
untuk memproyeksikan data vektor
obyek
yang berdimensi tinggi ke vektor
dimensi yang tidak sama antara data
yang
lebih
sampel (mxn) dan data rata-rata
1991). PCA lebih
seluruh data sampel (1xn), maka
mempunyai
rendah (Turk,
dimensi
yang
diteliti
mempunyai
banyak digunakan untuk keperluan
perlu
ekstraksi fitur citra, dimana jumlah
menggandakan rata-rata sebanyak m.
dimensi dari citra jauh lebih besar
Sehingga
dibanding jumlah data sampel yang
sampel mempunyai dimensi mxn.
digunakan,
untuk
melakukan
proyeksi sampel vektor dari citra pelatihan,
setiap
citra
disamakan
rata-rata
Rata-rata
dengan
seluruh
seluruh
citra
data
dapat
dihitung dengan persamaan:
pelatihan
disusun dalam bentuk vektor baris.
=
1
Jika jumlah data pelatihan adalah sebanyak
m,
maka
dimensi
M = Rata-rata dari setiap data
vektornya adalah mxn. Apabila vektor citra pelatihan mempunyai
dimensi
Keterangan :
mxn
m = Jumlah dari sampel Di = Dimensi data ke i
diortogonlisasi dengan menggunakan
Selisih setiap data dengan nilai
eigenvector dan eigenvalue, maka
rata-ratanya dapat dipresentasikan
dimensi
dengan:
akan
berubah
mxm.
=
Sebelum melakukan klasifikasi, perlu
−
dilakukan penyeleksian eigenface.
Keterangan :
Jika n>>m, n merupakan dimensi
Ni = matrik data ke i
Oki Mekarsari | 11.1.03.02.0281 Fakultas Teknik – Program Studi Teknik Informatika
simki.unpkediri.ac.id
Artikel Skripsi Universitas Nusantara PGRI Kediri Di = Dimensi data ke i
euphorbia
M = Rata-rata dari setiap data
sebagai berikut :
Dari matrik N, matrik covarian
tersebut
adalah
Tampilan Form Utama
dapat dihitung untuk kemudian akan digunakan
untuk
menghitung
dan
eigenvalue.
eigenvector
Persamaan yang digunakan untuk menghitung matrik covarian : = ^
Keterangan : A = matrik covarian
Keterangan dari gambar tersebut
T
Y = matrik transpose
adalah sebagai berikut :
Y = matrik Selanjutnya
a. Menu
menghitung
Berisi 2 pilihan menu yaitu
eigenvalue (E) dan eigenvector (V)
dari
matrik
menu data training dan menu
covarian
data testing.
tersebut. Kemudian dilakukan pengurutan nilai eigen
dari
yang
dan
paling
besar
b. Keluar Berfungsi untuk keluar dari aplikasi.
disesuaikan dengan eigenvektor secara descending. Setelah itu dicari nilai komponen utama
2. Tampilan data training
(PCA) yaitu dengan persamaan sebagai berikut:
klasifikasi derdasarkan
=
III.
Tampilan data training dari aplikasi bunga kelopak
euphorbia sebagai
berikut :
HASIL DAN KESIMPULAN 1. Hasil 1. Tampilan utama program Tampilan utama dari aplikasi klasifikasi
kelopak
bunga
Oki Mekarsari | 11.1.03.02.0281 Fakultas Teknik – Program Studi Teknik Informatika
simki.unpkediri.ac.id
Artikel Skripsi Universitas Nusantara PGRI Kediri Berikut merupakan proses dari data training : a. Pertama kita jalan kan program b. Kemudian pilih menu data training c. Pilih
folder
penyimpanan
gambar pada directory list box. Setelah itu akan muncul namanama file pada kotak file list box.
Tampilan Form Training
d. Masukkan
maksimal
sebagai berikut :
tombol
get
data
klik untuk
e. Kemudian pilih nilai reduksi
Berfungsi untuk menampilkan
dimensi, setelah itu klik tombol
gambar yang akan diproses.
proses PCA untuk memproses
b. Tombol get data
gambar.
menghitung
f. Proses training selesai
nilai threshold gambar yang
3. Tampilan data testing
akan diproses.
Berikut adalah tampilan dari form
c. Tombol proses PCA Berfungsi
kemudian
menghitung nilai threshold.
a. Image preview citra
untuk
threshold
minimal dan nilai threshold
Keterangan dari ganbar diatas adalah
Berfungsi
nilai
untuk
memproses
data testing :
gambar yang diinputkan setelah dihitung nilai thresholdnya. d. Directory list box dan file list box Directory list box berfungsi untuk
menampilkan
dimana sedangkan
citra file
folder disimpan,
list
box
menampilkan nama file yang
Tampilan form data testing
disimpan di dalam folder. Oki Mekarsari | 11.1.03.02.0281 Fakultas Teknik – Program Studi Teknik Informatika
simki.unpkediri.ac.id
Artikel Skripsi Universitas Nusantara PGRI Kediri Keterangan dari gambar diatas adalah sebagai berikut :
2. Kesimpulan Setelah
a. Image privew citra Berfungsi menampilkan gambar dari citra yang dipilih. b. Directory list box dan file list box Directory list box berfungsi untuk
menampilkan
dimana
citra
sedangkan
file
folder disimpan,
list
box
menampilkan nama file yang disimpan di dalam folder.
Berfungsi untuk mengeksekusi gambar yang dipilih.
Berfungsi untuk menampilkan hasil klasifikasi dari citra yang telah diuji. Berikut ini merupakan proses testing : a. Pilih menu data testing pada tampilan utama.
penyimpanan
gambar
folder pada
directory list box. Setelah itu akan muncul
nama-nama file pada
kotak file list box, pilih salah satu gambar yang akan diuji. c. Setelah gambar tersebut muncul pilih
tombol
testing
perancangan dan implementasi dapat disimpulkan bahwa: 1. Metode PCA dapat digunakan untuk
mengklasifikasikan
bunga Euphorbia berdasarkan kelopaknya dan telah berhasil dibuat dan di uji cobakan. 2. Implementasi metode PCA dan euclidean
distance
dapat
menunjukkan hasil pengenalan
bunga
euphorbia.
Dan
akurasi
yang
prosentase
didapat adalah 90% dengan
d. Hasil klasifikasi
pilih
analisis,
dari masing-masing kelopak
c. Tombol testing
b. Kemudian
dilakukan
untuk
melakukan pengenalan. d. Proses testing selesai. Oki Mekarsari | 11.1.03.02.0281 Fakultas Teknik – Program Studi Teknik Informatika
perbandingan data training dan data testing 90:20, prosentse 80% dengan perbandingan data training dan data testing 75:25, prosentase
70%
dengan
perbandingan data training dan data testing 60:30, prosentase 60% dengan perbandingan data training dan data testing 45:35, prosentase
50%
perbandingan
dengan
data training
dan data testing 30:40. Dari hal diatas
dapat
disimpulkan
bahwa besarnya tingkat akurasi dipengaruhi oleh banyaknya data training yang digunakan. simki.unpkediri.ac.id
Artikel Skripsi Universitas Nusantara PGRI Kediri 3. Penerapan
perangkat
Ekstraksi
lunak
pendukung Delphi7 dan citra objek dengan dimensi ukuran piksel
100x100
untuk
implementasikan
Fitur.Yogyakarta:
Graha Ilmu. [5]
Istiqlalia
Risma
Budidaya
di
Tanaman
metode PCA dan penggunaan
2010.
euclidean
Sebelas Maret.
yang
digunakan untuk pencocokan
Surakarta:
Wahanani,
mendapatkan
Supriyanto.
yang
Nursinta
dan
Klasifikasi
2013.
Buah Belimbing Berdasarkan
maksimal.
Citra IV.
Universitas
[6] Nugroho Whidhiasih, Retno, Adi
dapat berjalan dengan baik dan hasil
Hias
Euphorbia (Euphorbia Milli).
dengan
distance
Kumala.
Red-Green-Blue
DAFTAR PUSTAKA
Menggunakan KNN dan LDA.
[1] Ardiansyah, Riza Firdaus. 2013.
Jurnal
Komputer, System Embedded &
Dengan Menggunakan Metode
Logic. Bogor. [7] Mupeng aja. Mengenal Bunga
(Pca). Semarang : Universitas
Euphorbia.
Dian Nuswantoro.
http://ragambudidaya.blogspot.c
Bunga
Euphorbia
Delapan
(Bunga
om/2013/03/mengenal-bunga-
Dewa).
euphorbia.html
http://faktasekitarkita.blogspot.c om/2012/04/bunga-
[3]
Ilmu
Pengenalan Pola Tanda Tangan
Principal Component Analysis
[2]
Penelitian
(
diunduh
tanggal 28 Oktober 2014) [8]
Purwanto,
A.
W.
2006.
euphorbia.html (diunduh tanggal
Euphorbia Tampil Prima dan
28 Oktober 2014)
Semarak
Grayscale
Image
http://dendieisme.blogspot.com/
Berbunga.
Kanius.
Yogyakarta. [9]
Soemartini.
2008.
2011/03/matlab-grayscale-
Component
image.html (diunduh tanggal 28
Sebagai
Salah Satu Metode
Oktober 2014)
Untuk
Mengatasi
[4] Hery Purnomo, Mauridhi dan Muntasa, Arif. 2010. Konsep
Analysis
Principal
Multikolinearitas.
(PCA)
Masalah Bandung
:
Universitas Padjajaran.
Pengolahan Citra Digital dan Oki Mekarsari | 11.1.03.02.0281 Fakultas Teknik – Program Studi Teknik Informatika
simki.unpkediri.ac.id
Artikel Skripsi Universitas Nusantara PGRI Kediri [10] Utami, Ema dan Wulaningrum, Resty.
2014.
Penggunaan
Principal Component Analysis
Identifikasi Citra Tanda Tangan. Yogyakarta
:
STIMIK
AMIKOM
dan Euclidean Distance untuk
Oki Mekarsari | 11.1.03.02.0281 Fakultas Teknik – Program Studi Teknik Informatika
simki.unpkediri.ac.id