IDENTIFIKASI VARIETAS UNGGUL KEDELAI BERDASARKAN WARNA DENGAN FUZZY CLUSTER MEANS
Oleh: Dwi Lastomo 1105 100 054
Menu Tugas Akhir BAB I PENDAHULUAN BAB II TINJAUAN PUSTAKA BAB III METODOLOGI PERCOBAAN BAB IV ANALISIS DATA & PEMBAHASAN BAB V KESIMPULAN & SARAN
BAB I Pendahuluan 1.1. LATAR BELAKANG
2. RUMUSAN MASALAH
1.3. BATASAN MASALAH
PENDAHULUAN
1.4. TUJUAN
1.5. MANFAAT
Latar Belakang 1. Kedelai Komodoti yang Penting 2. Kesulitan memilah bibit yang baik Teknik Memilah Berdasar Warna: 1. SORTIR Manual 2. SORTIR Alat Mekatronik 3. Klaster K-Means 4. Jaringan Syaraf Tiruan 5. FUZZY CLUSTER MEANS
BIBIT yang baik
Rumusan Masalah Memperoleh klaster biji kedelai melalui Metode FCM Batasan Masalah Metode FCM ToolBox Matlab Data Hardare Tujuan Memperoleh klaster biji kedelai melaui metode FCM, hasilnya dibandingkan dengan metode JST
Manfaat Mendapatakan klaster optimum untuk memilah varietas unggul kedelai
BAB II TINJAUAN PUATAKA KEDELAI KLASTER
FUZZY
FUZZY CLUSTER MEANS (FCM)
CAHAYA, WARNA, & RGB
• KEDELAI • Klasifikasi ilmiah – – – – – – – –
Kerajaan Filum Kelas Ordo Famili Upafamili Genus Spesies:
: Plantae : Magnoliophyta : Magnoliopsida : Fabales : Fabaceae : Faboideae : Glycine (L.) Merr.
• Glycine max • Glycine soja
BAHAN MAKANAN Susu skim kering Kedelai Kacang hijau Daging Ikan segar Telur ayam Jagung Beras Tepung singkong
PROTEIN (% BERAT) 36,00 35,00 22,00 19,00 17,00 13,00 9,20 6,80 1,10
http://www.warintek.ristek.go.id
Kandunagan Kedelai Protein Lemak
KADAR (%) 35-45 18-32
Karbohidrat 12-30 Air 7
Nama bahan Makanan kacang kedelai
Harga/kg 8000
kacang hijau
12000
telur ayam
11000
daging sapi
56000
daging ayam
20000
http://www.jatimprov.go.id, 11 -01-2010
Tabel 2.1 Deskripsi Beberapa Varietas Unggul Kedela Varietas
Warna Kulit Biji
Warna Hilum
Bobot 100 Biji
Anjasmoro
Kuning
Kuning Kecoklatan
14,8 – 15,3 g
Argomulyo
Kuning
Coklat
14,8 – 15,3 g
Argopuro
Kuning
Coklat muda
15,75 g
Panderman
Kuning Muda
Coklat tua
18 – 19 g
Tabel 2.2. Karakteristik Varietas Unggul
Nama Varietas
Tahun Dilepas
Umur Masak (hari)
Kadar Protein (%)
Kadar Minyak (%)
Potensi Hasil (ton/ha)
Agromulyo
1998
81
39,4
20,8
2,00
Anjasmoro
2001
88
42,1
18,6
2,25
Panderman
2003
85
35,9
17,7
2,37
• 2.2.
Klaster
1. 2. 3. 4.
Metode antara lain: Hard C-Means Clustering (biasa disebut K-means) Fuzzy C-means Clustering Mountain Clustering Subtractive Clustering
FUZZY • Fuzzy adalah salah satu dari kecerdasan buatan untuk mendefinisikan dari bahasa lingustik menjadi numerik. Logika ini banyak digunakan untuk menentukan hal-hal yang bersifat abstrak menjadi terukur, tentunya dengan parameter-parameter yang telah ditentukan sebelumnya
FUZZY CLUSTER MEANS
CAHAYA, WARNA, DAN RGB
Proses penguraian Cahaya Putih oleh Prisma
SUMBER CAHAYA
Teori Cahaya: 1. Abu Ali Hasan Ibn AlHaitham (965–sekitar 1040) 2. Isaac Newton 1675 (teori Partikel) 3. Christiaan Huygens abad ke-17 (teori gelombang) 4. Faraday 1845 (Teori EM ) 5. Max Planck abad ke-19 (teori Kuantum) 6. Albert Einstein abad 20 (dualisme partikel gelombang)
Color Red Orange Yellow Green Blue Indigo Violet
Wavelength Sample 700nm 650nm 600nm 550nm 500nm 450nm 400nm
Cahaya yang dapat ditangkap indera manusia mempunyai panjang gelombang 380 sampai 780 nanometer.
X i 0.490 0.310 0.200 Ri Y = 0.177 0.813 0.011 G i i Z i 0.000 0.010 0.099 Bi
BAB III METODOLOGI PENELITIAN Studi Literatur dan Pengenalan Software Matlab 7.0
Pengumpulan Data Pengolahan Data dengan JST Matlab 6.5
Pengolahan Data dengan FCM ToolBox Matlab 7.0 Komparasi Hasil
BAB IV ANALISIS DATA DAN PEMBAHASAN Varietas
Sampel Data dari Variasi Pengambilan Data dengan Lampu Halogen pada Kotak Hitam
R
G
B
Anjasmoro
159.69
122.664
19.431
Anjasmoro
176.082
129.462
20.602
Anjasmoro
171.809
133.04
19.39
Anjasmoro
180.187
137.04
23.068
Anjasmoro
181.064
145.409
24.162
Argomulyo
157.045
132.465
15.685
Argomulyo
166.715
131.527
17.687
Argomulyo
169.652
138.028
19.356
Argomulyo
159.027
134.606
17.448
Argomulyo
177.316
145.144
23.911
Argopuro
136.944
113.085
14.995
Argopuro
142.528
118.807
17.528
Argopuro
140.918
116.345
13.914
Argopuro
147.347
116.265
15.003
Argopuro
134.371
124.548
14.514
Panderman
168.064
129.004
21.336
Panderman
172.049
116.349
15.948
Panderman
163.882
132.064
21.554
Panderman
169.538
133.574
21.428
Panderman
152.556
129.168
16.196
Plot data Vektor RGB Plot Data Normalisasi 1 0.9 0.8 0.7
Vektor R
0.6 0.5 0.4 0.3 0.2 0.1 0
0
10
20
30
40 50 Anggota Data
60
70
80
Plot Pusat KLASTER plot Center of Cluster 0.74 0.72 0.7
Vektor R
0.68 0.66 0.64 0.62 0.6 0.58
0
10
20
30
40 50 Anggota Data
60
70
80
PLOT DATA DAN PUSAT KLASTER Plot Data Normalisasi dan Center of Cluster 1 0.9 0.8 0.7
Vektor R
0.6 0.5 0.4 0.3 0.2 0.1 0
0
10
20
30
40 50 DAta anggota
60
70
80
PLOT DERAJAT KEANGGOTAAN TIAP DATA derajat keanggotaan 1 cluster1 cluster2 cluster3 cluster4
0.9 0.8
derajat keanggotaan
0.7 0.6 0.5 0.4 0.3 0.2 0.1 0
0
10
20
30
40 data ke
50
60
70
80
Tabel 4.2. Pusat Klaster Varietas
X
Y
Argopuro
50.906
0.49948
Panderman
71.427
0.59269
Argomulyo
30.098
0.51062
Anjasmoro
9.5745
0.47433
Tabel 4.3. Jarak dan Standar Deviasi Pusat Klaster Varietas
X
Y
Jarak RataRata-rata
Standar Deviasi
4.50583937
2.65748
Anjasmoro
9.5747
0.81388
Argomulyo
30.098
0.51062 4.52111802
2.663602
Argopuro
50.906
0.49948 4.50884334
2.689555
Panderman
71.427
0.59269 4.50854114
2.656206
Error Fuzzy dan Keanggotaan Objek Halogen Coklat
Varietas
∑(St.Dev+ jarak Rata0rata)
No sample Anggota Klaster
Pijar Coklat
error
∑(St.Dev+ jarak Ratarata)
No sample Anggota Klaster
Halogen Coklat
No sample ∑ (St.Dev + Anggota error jarak Rata-rata) Klaster
error
Anjasmoro
7.161637 nomor 3-16
30%
7.16711437 nomor 3-16
30%
7.159671 nomor 3-16
30%
Argomulyo
7.184225 nomor 3-17
25%
7.18472002 nomor 3-17
25%
7.18386 nomor 3-17
25%
Argopuro
7.190032 nomor 4-18
25%
7.19839834 nomor 4-18
25%
7.19322 nomor 4-18
25%
Panderman
7.163145 nomor 5-18
30%
7.16474714 nomor 5-18
30%
7.157925 nomor 5-18
30%
Tabel Hasil Pelatihan untuk Pengenalan Anjasmoro No.
Data Pelatihan
Jaringan
Epoch
MSE
1
60
3-100-1
1027
3.33E-02
2
60
3-200-1
368
9.64E-06
3
60
3-300-1
267
9.95E-06
4
60
3-400-1
625
9.81E-06
5
60
3-500-1
617
9.31E-06
Hasil Pengujian Anjasmoro dari Jaringan pada Tabel sebelumnya
No.
Jumlah Data Validasi
Jaringan
RMSE
1
20
3-100-1
0.15
2
20
3-200-1
0.15
3
20
3-300-1
0.2802
4
20
3-400-1
0.1
5
20
3-500-1
0.1231
4.3. Pembahasan Perbedaan nilai RGB untuk tiap variasi cara pengambilan data Nilai Pusat Klaster selalu berada di tengah-tengah kelas Derajat keanggotaan vekot RBG mengikuti logika Fuzzy
Error 25% dan 30%
Berdasarkan nilai error Fuzzy lebih konsisten daripada JST, JST lebih akurat
BAB V KESIMPULAN & SARAN FCM dapat mengelompokkan tanpa memasukkan data ke dalam dua klaster (sesuai derajat keanngoaan dalam fuzzy)
FCM dapat mengelompokkan kedelai sesuai varietasnya
KESIMPULAN
Nilai error dala identifikasi FCM 25%-30%
JST lebih akurat, FCM lebih konsisten
Dilakukan penelitian dengan perpaduan metode ini, yaitu neoro fuzzy
SARAN
