KLASIFIKASI KUALITAS TELUR ASIN BERDASARKAN CITRA RED GREEN BLUE MENGGUNAKAN ADAP TIVE NEURO FUZZY INFERENCE SYSTEM Maimunah Program Studi Teknik Komputer Universitas Islam “45” Email:
[email protected] ABSTRAK Penelitian ini melakukan klasifikasi mutu telur asin berdasarkan warna kuning telur berbasis pengolahan citra digital. Kualitas telur asin berdasarkan warna kuning telur terdiri dari kualitas 1 dan kualitas 2. Kriteria warna kuning telur asin kualitas 1 adalah warna kuning telur nya jingga kemerahan dan terdapat kandungan minyak.Sedangkan kenampakan kuning telur kualitas 2 warnamya jingga lebih pucat dan masih terdapat kandungan minyak di dalamnya namun tidak sebanyak kandungan minyak pada kuning telur asin kualitas 1. Tahap klasifikasi meliputi praproses citra telur asin berdasarkan komponen warna RGB dan klasifikasi menggunakan ANFIS. Fuzzy Inference System yang dihasilkan digunakan untuk melakukan pelatihan dan pengujian terhadap citra telur asin. Hasil pengujian diperoleh akurasi 100% baik untuk citra telur asin kualitas 1 maupun citra telur kualitas 2. Kata Kunci : Klasifikasi, kualitas, telur asin, ANFIS
ABSTRACT This research is for classify the quality of salted egg base on the egg yolk color using image processing. The quality of egg yolk color consist of quality 1 and quality 2. In the quality 1 egg yolk color criteria is the one with reddish orange color and containing oil. While the quality 2 egg yolk color is paler orange and still containing oil but not as much as the one in the quality 1. Classification stage includes salted egg image preprocessing base on RGB color component and classification using ANFIS. The result of Fuzzy Inference System used for training and testing toward salted egg image. The test results obtained for 100% accuracy either for first quality as well as the second quality. Keyword:Classification,quality,salted egg, ANFIS
73
yang berbasis pengolahan citra digital. Salah satu contoh penerapan pengolahan citra digital dalam klasifikasi adalah telur asin rebus dan pengambilan citra telur asin dilakukan secara dekstrutif yaitu dengan membelah telur asin menjadi dua bagian. Ada beberapa teknik pengolahan citra yang digunakan dalam penelitian ini meliputi preprocessing dan ekstraksi ciri. Pada tahap ekstraksi ciri diperoleh nilai Red (r),Green (g),Blue (b). Setelah dilakukan ekstraksi ciri, citra telur asin diklasifikasikan berdasarkan warna kuning telur menggunakan Adaptive Neuro Fuzzy Inference System (ANFIS). Arsitektur ANFIS secara fungsional sama dengan fuzzy rule base model Sugeno. Arsitektur ANFIS juga sama dengan jaringan syaraf yang memiliki fungsi radial dengan sedikit batasan tertentu. Dapat dikatakan bahwa ANFIS adalah suatu metode yang melakukan penyetelan aturan menggunakan algoritma pembelajaran terhadap sekumpulan data. Pada ANFIS juga memungkinkan aturan-aturan untuk beradaptasi (Kusumadewi, 2002). ANFIS mengandaikan bahwa data input dan output dari suatu black box system (system kotak hitam) telah tersedia dan ingin menebak model apa yang cocok atau yang sederhana ada dalam kotak hitam tersebut. Dalam menebak, tidak diisyaratkan tersedianya struktur model tertentu berdasar pada karakteristik variablevariabel sistem (Naba, 2009). Dalam penelitian ini diharapkan dapat mengklasifikasikan kualitas telur asin berdasarkan warna kuning telur dalam kategori kualitas 1 dan
PENDAHULUAN Telur asin adalah istilah untuk makanan yang berbahan telur yang diawetkan dengan cara diawetkan dengan cara diasinkan. Telur yang biasanya dibuat telur asin adalah telur bebek.Telur asin bersifat praktis dan dapat dipadukan dengan berbagai masakan. Kualitas telur asin dilihat dari kenampakan dan warna kuning telurnya biasanya dilakukan oleh tester. Apabila penilaian dilakukan oleh tester maka kelemahannya adalah hasil yang didapat akan bersifat subyektif karena selera tester berbeda - beda sehingga hasil yang didapat kurang obyektif. Walaupun selera orang berbeda-beda namun telur asin yang dinilai berkualitas tinggi memiliki ciri-ciri bagian kuning telur berwarna jingga terang hingga kemerahan, kering (jika digigit tidak mengeluarkan cairan), tidak menimbulkan bau amis dan rasa asin tidak menyengat. Kriteria warna kuning telur asin kualitas 1 adalah warna kuning telur nya jingga kemerahan dan terdapat kandungan minyak. Sedangkan kenampakan kuning telur kualitas 2 warnanya jingga lebih pucat dan masih terdapat kandungan minyak di dalamnya namun tidak sebanyak kandungan minyak pada kuning telur asin kualitas 1. Pada klasifikasi kualitas telur asin menggunakan Support Vector Machine diperoleh akurasi 80% (Yosvine Monro, 2013). Oleh karena penentuan kualitas telur asin dari kenampakan dan warna kuning telurnya yang dilakukan oleh tester bersifat subyektif maka perlu dikembangkan metode lain yaitu dengan menggunakan suatu sistem
74
kualitas 2. Permasalahan yang dirumuskan dalam penelitian ini adalah: a. Bagaimana cara melakukan ekstraksi ciri RGB dari citra telur asin? b. Bagaimana cara melakukan klasifikasi kualitas telur asin menggunakan ANFIS? c. Bagaimanakah merancang simulasi sistem klasifikasi kualitas telur asin berdasarkan warna kuning telur menggunakan ANFIS? Batasan Masalah dalam penelitian ini meliputi: a. Citra input berupa citra RGB dengan tipe file .jpg b. Telur asin yang digunakan berupa telur asin rebus c. Parameter yang diperoleh dari hasil ekstraksi ciri adalah r,g,b d. Klasifikasi kualitas telur asin menggunakan ANFIS.
yang digunakan dalam penelitian ini sebanyak 45 buah citra telur asin yang terdiri dari 36 buah citra latih dan 9 buah citra uji. Untuk citra latih terdiri dari 28 citra telur asin kualitas 1 dan 8 citra telur asin kualitas 2. Citra uji yang digunakan terdiri dari 7 citra telur asin kualitas 1 dan 2 citra telur asin kualitas 2. Tahapan penelitian yang dirancang dalam penelitian ini seperti dalam gambar 1. Mulai
Akuisisi Citra
Praproses
Ekstraksi ciri warna RGB
Klasifikasi ANFIS
Selesai
Tujuan penelitian ini adalah: a. Mengetahui kualitas telur asin b. Merancang suatu simulasi sistem yang mampu mengetahui kualitas telur asin berdasarkan kenampakan warna kuning telur berdasar ciri warna RGB dan menggunakan ANFIS.
Gambar 1. Tahapan Penelitian Tahapan penelitian yang dilakukan secara detail sebagai berikut : a. Akuisisi Citra Pertama kali telur asin dibelah menjadi dua sehingga tampak kuning dan putih telurnya. Telur asin dibelah dua dan diambil citranya menggunakan kamera digital Samsung 8MP dengan jarak pengambilan 15 cm dengan pencahayaan yang sama. Citra telur asin yang diperoleh kemudian disimpan dalam format ekstensi .jpg. b. Praproses Praproses dilakukan dengan melakukan pemotongan
METODE PENELITIAN Bahan dan peralatan yang digunakan dalam penelitian ini adalah : 1. Software Matlab 2008a 2. Software Microsoft Office 2007 3. Notepad Telur asin yang digunakan dalam penelitian ini diperoleh dari penjual di daerah sekitar Bekasi. Total data
75
(cropping) citra telur asin yang telah disimpan sehingga diperoleh citra kuning telur asin. Citra kuning telur hasil cropping tersebut yang selanjutnya dilakukan proses ekstraksi ciri. c. Ekstraksi ciri Ekstraksi ciri dari citra telur asin diperoleh dengan mencari nilai RGB dari citra sehingga diperoleh komponen nilai r, g dan b. Nilai r,g,b yang diperoleh dilakukan normalisasi dengan cara nilai r,g,b dibagi dengan 255 sehingga diperoleh nilai r,g,b dengan interval 0 sampai 1. Nilai r,g,b tersebut yang digunakan sebagai parameter untuk tahap klasifikasi. d. Klasifikasi ANFIS Klasifikasi dilakukan untuk mengetahui citra telur asin yang diinputkan dikelompokkan dalam kualitas I atau II. Nilai r, g dan b dari hasil ekstraksi ciri yang diperoleh mengalami proses dua tahap yaitu proses pembelajaran (learning) dan proses pengenalan (recognition). Proses pembelajaran meliputi training dan testing menggunakan ANFIS. Setelah citra telur asin diperoleh nilai r,g,b maka selanjutnya dilakukan training menggunakan ANFIS. Model ANFIS dilakukan untuk mendapatkan rule based (basis aturan) fuzzy dari data yang ditraining. Arsitektur ANFIS yang terbentuk menunjukkan kategori inputan data, membership function dari data input, rule, membership function untuk input dan output. Setelah diperoleh fuzzy rule based
selanjutnya dilakukan validasi untuk mengecek kesesuaian rule base yang telah terbentuk. Tahap berikutnya adalah melakukan testing terhadap rule based yang telah diperoleh menggunakan data testing. Hasil testing yang layak maka menjadi model pengenalan dalam menentukan klasifikasi kualitas telur asin. Tahapan klasifikasi kualitas telur asin yang dilakukan seperti dalam gambar 2 Mulai
Pra Proses
Data Training
Data Testing
Training ANFIS
Fuzzy Ruled Based
Validasi
Testing
Layak?
Model Pengenalan
Selesai
Gambar Klasifikasi
2.
Tahapan
Ketepatan klasifikasi hasil prediksi menggunakan FIS dinyatakan dengan menggunakan akurasi yang didefinisikan sebagai berikut :
76
Akurasi=(jumlah prediksi yang benar/total banyaknya prediksi)*100%
1 r
0,5
g
Perancangan antar muka klasifikasi kualitas telur asin menggunakan Graphical User Interface (GUI) Matlab yang terdiri dari beberapa tahap. Tahap pertama adalah proses pengambilan citra, kemudian pengolahan citra dan klasifikasi. Perancangan interface klasifikasi telur asin seperti dalam gambar 3
b
0 1 4 7 10 13 16 19 22 25 28
Gambar 4. Nilai rgb Citra Training Kualitas 1 0,8 0,6 0,4 0,2 0
r g b 1
2
3
4
5
6
7
8
Gambar 5. Nilai rgb Citra Training Kualitas 2 Untuk citra telur asin kualitas 1 tampak bahwa nilai r yang menyatakan nilai red mempunyai nilai lebih tinggi dibandingkan nilai r pada citra kualitas 2 namun nilai b yang menyatakan blue mempunyai nilai lebih kecil dibandingkan citra kualitas 2. Dengan demikian sebaran nilai rgb citra telur asin kualitas 1 lebih luas dibandingkan citra telur asin kualitas 2. Pada tahap akuisisi, pertama kali telur asin dibelah menjadi dua sehingga tampak kuning dan putih telurnya. Telur asin dibelah dua dan diambil citranya menggunakan kamera digital Samsung 8MP dengan jarak pengambilan 15 cm dengan pencahayaan yang sama. Citra telur asin yang diperoleh kemudian disimpan dalam format ekstensi .jpg. Pemotongan (cropping) citra telur asin dilakukan untuk memperoleh
Gambar 3. Rancangan GUI HASIL DAN PEMBAHASAN Citra yang digunakan dalam penelitian ini terdiri dari citra latih dan citra uji. Untuk citra latih terdiri dari 28 citra telur asin kualitas 1 dan 8 citra telur asin kualitas 2. Citra uji yang digunakan terdiri dari 7 citra telur asin kualitas 1 dan 2 citra telur asin kualitas 2. Semua citra latih dan citra uji dihitung nilai rgb. Hasil nilai rgb citra latih untuk telur asin kualitas 1 seperti dalam gambar 4 dan nilai rgb citra latih untuk telur asin kualitas 2 dalam gambar 5.
77
citra kuning telur asin. Hasil cropping diperoleh citra kuning telur yang terdiri dari kualitas 1 dan kualitas 2. yang telah disimpan sehingga diperoleh citra kuning telur asin. Hasil citra telur asin yang telah dilakukan cropping terdapat dalam lampiran 1. Ciri citra telur asin yang digunakan dalam penelitian ini adalah ciri warna yang meliputi warna RGB. Ciri warna diperoleh dengan menghitung nilai RGB masing-masing citra dan selanjutnya dilakukan normalisasi dengan cara nilai RGB setiap citra dibagi 255. Hasil normalisasi diperoleh komponen rgb sebagai parameter klasifikasi dengan rentang nilai antara 0 dan 1. Hasil ekstraksi ciri citra telur asin terdapat dalam lampiran 2. Dalam proses klasifikasi dilakukan pelatihan data menggunakan ANFIS dengan menggunakan data training dan target. Pelatihan dilakukan untuk mendapatkan rule based fuzzy dari data yang dilatih. Fuzzy Inference System hasil pelatihan nilai rgb telur asin tampak dalam gambar 4.3. Dari hasil pelatihan tampak plot penyebaran nilai rgb dan tampak kemiringan kurva yang menandakan nilai batas rgb telur asin kualitas 1 dan 2 yaitu di 1,25. Jika nilai rgb melebihi atau sama dengan 1,25 maka dikelompokkan dalam telur asin kualitas 2 dan sebaliknya jika kurang dari 1,25 maka dikelompokkan dalam telur asin kualitas 1. Fuzzy inference system hasil pelatihan meliputi struktur ANFIS, arsitektur FIS, fungsi keanggotaan citra input, basis pengetahuan dan rule. Struktur model ANFIS yang dihasilkan dari pelatihan seperti dalam gambar 4.4
menunjukkan bahwa terdapat 3 input data, 6 membership function dari data input, terbentuk 8 rule dan terbentuk 8 membership function untuk nilai output. Dari 2 kategori input data diperoleh hasil distribusi data training sebanyak 2 distribusi yang menunjukkan telur asin kualitas 1 dan telur asin kualitas 2 seperti dalam gambar 6.
Gambar 6. FIS Hasil pelatihan
Gambar 7. Struktur ANFIS
78
telur asin. Hasil pelatihan dari 2 kelas kualitas telur asin yaitu kualitas 1 dan 2 terbentuk 8 rule. Basis pengetahuan hasil pelatihan tampak dalam Gambar 11 dan diperoleh rule based sebanyak 8 rule seperti dalam Gambar 12.
Gambar 8. Distribusi data input citra telur asin Arsitektur FIS tampak dalam gambar 4.6 menunjukkan setiap variable input red, green dan blue direpresentasikan dalam fungsi keanggotaan yang tampak dalam Gambar 9 sesuai dengan pola sebaran data masing-masing dengan menggunakan fungsi keanggotaan gaussian seperti pada Gambar 10.
Gambar 11. Basis Pengetahuan
Gambar 9. Arsitektur FIS
Gambar 12 Rule Based Hasil Training
Pengujian dilakukan bertujuan untuk mengecek dan menguji apakah program yang dirancang sudah sesuai dengan tujuan yang diharapkan. Langkah awal pengujian adalah dengan melakukan validasi yaitu menggunakan data latih sebagai data uji terhadap FIS yang terbentuk. Hasil validasi menggunakan ANFIS seperti dalam Gambar 13 diperoleh bahwa semua citra uji yang dinyatakan dengan
Gambar 10. Fungsi Keanggotaan Citra Input Hasil pelatihan dari pemetaan variabel input dan output adalah basis pengetahuan yang ditulis menggunakan fuzzy if then yang digunakan dalam klasifikasi kualitas
79
node warna biru mempuyai nilai yang sama dengan node warna merah. Hasil pengujian diperoleh akurasi 100% namun terdapat 1 node hasil pengujian data latih yang sedikit berbeda nilainya dari data uji. Kondisi tersebut yang menyebabkan akurasi 100% namun masih terdapat average testing error 0.017802.
set yaitu sebanyak 9 citra uji yang terdiri dari 7 citra telur asin kualitas 1 dan 2 citra telur asin kualitas 2. Pengujian memberikan akurasi sebesar 100% baik untuk citra telur asin kualitas 1 maupun citra telur asin kualitas 2. Hal ini menunjukkan bahwa sistem dapat membedakan telur asin kualitas 1 dan kualitas 2 dengan lebih tepat. Dibandingkan dengan hasil klasifikasi menggunakan transformasi LBP dan SVM yang menghasilkan akurasi 80% oleh Yosvine Monro (2013) maka klasifikasi menggunakan ANFIS diperoleh hasil yang lebih baik. Hasil pengujian dinyatakan dalam confussion matriks dalam Tabel 1.
Gambar 13. Plot hasil validasi Tabel 1. Confussion Matriks hasil pengujian
User interface untuk klasifikasi kualitas telur asin terdiri dari beberapa menu sebagai berikut:
Kelas
Kualitas 1
Kualitas 2
Kualitas 1
7
0
Kualitas 2
0
2
KESIMPULAN Dari peneltian yang telah dilakukan maka dapat diambil kesimpulan sebagai berikut : 1. Metode ANFIS dapat digunakan untuk klasifikasi kualitas telur asin berdasarkan warna kuning telur. 2. Sistem klasifikasi yang telah dirancang mampu melakukan klasifikasi kualitas citra telur asin secara destruktif berdasarkan rgb dengan akurasi 100%. Berdasarkan penelitian yang telah dilakukan diberikan saran – saran sebagai berikut :
Gambar 14. Tampilan hasil klasifikasi citra telur kualitas 2 Dari validasi yang dilakukan diperoleh akurasi 100% untuk telur asin kualitas 1 dan 100% untuk telur asin kualitas 2. Dengan menggunakan basis pengetahuan yang telah terbentuk , dilakukan pengujian kinerja system menggunakan data uji. Data uji y ang digunakan sebanyak 20% dari data 80
1. Penggunaan data latih dan data uji yang lebih banyak agar sistem lebih akurat 2. Melakukan klasifikasi secara non destruktif supaya telur asin tidak rusak
System (ANFIS).Lokakarya Komputasi dalam Sains dan Teknologi Nuklir.BATAN. 12 Oktober 2012 Yosvine Monro, Shintya.2013. Klasifikasi Jenis dan Kualitas Telur Asin Berdasarkan Warna Kuning Telur Menggunakan Transformasi LBP (Local Binary Pattern) dan SVM (Support Vector Machine). Tugas Akhir. Bandung : Telkom University
DAFTAR PUSTAKA Badan Standarisasi Nasional,1996. SNI Telur Asin SNI 01-42771996.Jakarta Kadir, Abdul dan Adhi Susanto. 2013. Teori dan Aplikasi Pengolahan Citra. Yogyakarta:Andi
UCAPAN TERIMA KASIH Penulis mengucapkan terima kasih kepada LPPM Universitas Islam “45” Bekasi yang telah memberikan dana hibah penelitian internal tahun anggaran 2014/2015 untuk pelaksanaan penelitian ini.
Koswara.Sutrisno(2009). Teknologi Pengolahan Telur (Teori dan Praktek). Tersedia : http://www.eBookPangan.com. [6 April 2015] Kusumadewi,Sri.2002.Analisis Desain Sistem Fuzzy Menggunakan Toolbox Matlab.Yogyakarta:Graha Ilmu Munir, Rinaldi. 2004, Pengolahan Citra Digital dengan Pendekatan Algoritmik, Bandung: Informatika Naba,Agus.2009. Belajar Cepat Fuzzy Logic Menggunakan Matlab.Yogyakarta:Penerbit Andi. Whidhiasih,Retno Nugroho et all.2012.Identifikasi Buah Belimbing Berdasarkan Citra Red Green Blue Menggunakan Adaptif Neuro Fuzzy Inference
81