PENELITIAN UNTUK APLIKASI MOBILE MUNSELL SOIL COLOR CHART BERBASIS ANDROID MENGGUNAKAN HISTOGRAM RUANG CITRA HVC DENGAN KLASIFIKASI K-NN
AHMAD ZULFIKAR S
DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2014
PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA Penelitian untuk Aplikasi Mobile Soil Color Chart berbasis Android Menggunakan Histogram Ruang Citra HVC dengan Klasifikasi k-NN adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apapun kepada perguruan tinggi manapun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini. Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor beserta Balai Besar Penelitian dan Pengembangan Sumberdaya Lahan Pertanian, Badan Penelitian dan Pengembangan Pertanian, Kementerian Pertanian. Bogor, Oktober 2014 Ahmad Zulfikar S NIM G64100054
ABSTRAK AHMAD ZULFIKAR S. Penelitian untuk Mobile Munsell Soil Color Chart Berbasis Android dengan Menggunakan Histogram Ruang Citra HVC dengan Klasifikasi k-NN. Dibimbing oleh KARLISA PRIANDANA dan SUKARMAN. Menentukan warna tanah bukan perkara mudah karena banyaknya jenis tanah dan tingginya tingkat kemiripan warna tanah. Untuk mengatasi kesulitan ini, para praktisi menggunakan suatu buku pedoman warna tanah yaitu Munsell Soil Color Chart (MSCC). Penelitian ini bertujuan mengembangkan aplikasi mobile untuk mengidentifikasi warna tanah dalam menentukan warna mayor tanah sesuai buku MSCC. Aplikasi dibangun menggunakan pemodelan warna HVC dengan komponen warna hue, value, dan chroma. Penelitian ini menekankan klasifikasi untuk warna hue saja. Namun demikian, diteliti juga komponen warna value dan chroma. Citra yang digunakan sebagai data latih adalah 259 citra dari buku MSCC yang masing-masing berukuran 1600 piksel. Data warna hue dari setiap piksel ini dianalisis dalam bentuk histogram dan diklasifikasikan dengan k-NN. Hasil penelitian menunjukkan bahwa akurasi tertinggi dalam klasifikasi nilai hue adalah 45% pada nilai k=5. Akurasi mungkin dapat ditingkatkan dengan cara menggunakan data soil color yang sudah tersedia secara online. Kata kunci: Android, HVC, k-NN, Munsell Soil Color Chart.
ABSTRACT AHMAD ZULFIKAR S. Study on Android-Based Mobile Munsell Soil Color Chart by Using HVC Color Model Histogram with k-NN Classification. Supervised by KARLISA PRIANDANA and SUKARMAN. Soil color determination is a challenging task because of the various types of soil and the high similarity of soil color. Munsell Soil Color Chart (MSCC) is used to overcome this issue. The purpose of this research is to develop an androidbased mobile application to identify the major color of soil according to MSCC. The application utilized HVC color model with hue, value, and chroma color components. The hue color component had been the main concern of this research, although the value and chorma color components were also observed. The training data were 259 images from MSCC, with 1600 pixels each. Hue color data from these pixels were analyzed in the form of histogram and classified with k-NN. The results showed that the highest classification accuracy of hue value was 45% at k=5, this accuracy may be improved by utilizing the soil color data that are available online. Keyword: Android, HVC, k-NN, Munsell Soil Color Chart.
PENELITIAN UNTUK APLIKASI MOBILE MUNSELL SOIL COLOR CHART BERBASIS ANDROID MENGGUNAKAN HISTOGRAM RUANG CITRA HVC DENGAN KLASIFIKASI K-NN
AHMAD ZULFIKAR S
Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Komputer pada Departemen Ilmu Komputer
DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2014
Penguji: Endang Purnama Giri, SKom MKom
Judul Skripsi : Penelitian untuk Aplikasi Mobile Munsell Soil Color Chart Berbasis Android Menggunakan Histogram Ruang Citra HVC dengan Klasifikasi k-NN Nama
: Ahmad Zulfikar S
NIM
: G64100054
Disetujui oleh
Karlisa Priandana, ST MEng Pembimbing I
Dr Ir Sukarman, MS Pembimbing II
Diketahui oleh
Dr Ir Agus Buono, MSi MKom Ketua Departemen
Tanggal Lulus:
PRAKATA Puji syukur penulis panjatkan kepada Allah Subhanahu wa ta’ala atas segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Shalawat serta salam penulis sampaikan kepada Nabi Muhammad Shalallahu ‘alaihi wassalam. Judul penelitian yang dilaksanakan sejak bulan November 2013 ini ialah Penelitian untuk Aplikasi Mobile Munsell Soil Color Chart Berbasis Android Menggunakan Histogram Ruang Citra HVC dengan Klasifikasi k-NN ini tidak lepas dari bantuan berbagai pihak. Oleh karena itu, penulis menyampaikan ucapan terima kasih kepada: 1 Kedua orang tua tercinta Drs H Sidi dan Hj Nur Hidayat, serta Keluarga besar yang selalu memberikan doa dan dukungan moral. 2 Ibu Karlisa Priandana, ST MEng dan Dr Ir Sukarman, MS, selaku dosen pembimbing yang selalu sabar dalam memberikan ilmu dan bimbingan selama penyelesaian skripsi. 3 Endang Purnamagiri sebagai dosen penguji atas segala kritik, masukan dan saran yang diberikan kepada penulis terhadap penelitian ini. 4 Staff Balai Besar Penelitian dan Pengembangan Sumberdaya Lahan Pertanian Bogor yang telah membantu dalam memperoleh data dan sumber informasi. 5 Sodik Kirono, S Komp dan Wahyu Dwi Atmoko, S Komp serta teman-teman Ilmu Komputer atas pengalaman berbagi ilmu, kebersamaan dan dukungannya selama menjalani studi di Departemen Ilmu Komputer IPB. 6 Staf pengajar dan staf tata usaha Departemen Ilmu Komputer yang telah banyak membantu baik selama masa perkuliahan maupun pada saat penelitian. Dan semua pihak yang telah banyak memberikan kontribusi yang besar dalam penyelesaian tugas akhir yang tidak dapat disebutkan satu persatu. Semoga karya ilmiah ini bermanfaat.
Bogor, Oktober 2014 Ahmad Zulfikar S
DAFTAR ISI DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR DAFTAR LAMPIRAN PENDAHULUAN Latar Belakang Perumusan Masalah Tujuan Penelitian Manfaat Penelitian Ruang Lingkup Penelitian TINJAUAN PUSTAKA Warna Tanah Warna Tanah dan Karatan Model Warna Metode Klasifikasi k-Nearest Neighbor Jarak histogram METODE PENELITIAN 1. PC 2. Mobile device Lingkungan pengembangan HASIL DAN PEMBAHASAN SIMPULAN DAN SARAN Simpulan Saran DAFTAR PUSTAKA LAMPIRAN
IX X X X 1 1 2 2 2 2 3 3 3 5 6 6 6 7 8 9 10 14 14 14 14 16
DAFTAR TABEL 1
Tabel 1 Perbandingan nilai akurasi setiap komponen warna hue
13
DAFTAR GAMBAR 1 2 3 4 5 6 7 8 9
Sistem koordinat model warna (a) RGB dan (b) HVC Metode klasifikasi k-Nearest Neighbor Metode Penelitian Alur sistem untuk identifikasi citra Proses Pemotongan Citra dari buku MSCC Nilai value untuk skala warna hue 5YR Nilai chroma untuk skala warna hue 5YR Pola value/chroma dari Gambar 6 dan 7 Perbandingan akurasi rata-rata untuk setiap nilai k
5 6 7 9 10 11 11 12 13
DAFTAR LAMPIRAN
Screenshoot aplikasi pengolah data 2 Konversi value dan chroma pada masing-masing model warna 3 Rumus Kalibrasi Skala Warna 4 Konversi Skala Warna Khusus Hue 5 Screenshoot aplikasi android 1
17 19 25 26 27
PENDAHULUAN Latar Belakang Tanah sangat penting untuk mendukung kehidupan tumbuhan dengan menyediakan unsur hara dan air serta sebagai penopang akar. Di dalam tanah, terdapat berbagai unsur hara atau partikel yang sangat berperan penting bagi kelangsungan hidup tanaman seperti kandungan bahan organik, kondisi drainase, dan aerasi (Soepardi 1983). Warna tanah sering digunakan sebagai salah satu perameter untuk mengklasifikasikan tanah. Hasil klasifikasi tanah selanjutnya digunakan sebagai dasar penilaian kesesuaian lahan berbagai tanaman pertanian maupun tanaman kehutanan. Dalam penelitian sumberdaya tanah saat ini, Munsell Soil Color Chart (MSCC) digunakan sebagai standar: (1) warna dasar atau warna matriks, dan (2) warna karatan sebagai hasil dari proses oksidasi dan reduksi di dalam tanah (Balai Penelitian Tanah 2004). Cara penggunaan MSCC adalah dengan mengecek kemiripan warna tanah pada pedoman warna yang terdapat dalam MSCC. Selama penggunaannya, buku tersebut perlu dibawa ke lapangan untuk dijadikan sebagai pedoman mencocokkan warna tanah. Namun, apabila penetapan warna ini dilakukan secara manual, sangat mungkin terjadi kesalahan sehingga informasi yang diperoleh kurang akurat. Selain itu, untuk melakukan pengukuran dengan buku MSCC dapat meninmbulkan berbagai resiko diantaranya adalah cepat rusaknya buku MSCC tersebut yang berharga cukup mahal. Berkaitan dengan hal tersebut di atas maka diperlukan alternatif lain cara pengukuran warna tanah yang lebih akurat, aman, dan praktis. Era modern membuat teknologi berkembang sangat pesat terutama mobile device berbasis Android sehingga memotivasi pengembang untuk membuat berbagai aplikasi yang mempermudah aktivitas dan pekerjaan sehari-hari. Menurut data yang dikeluarkan oleh International Data Corporation (IDC) pada tahun 2012, sistem operasi Android menguasai sekitar 52% dari total smartphone yang dipakai oleh masyarakat Indonesia (Wahyudi 2012). Oleh karena itu, dalam penelitian ini aplikasi akan dibangun dengan menggunakan sistem operasi yang berbasis Android. Fitur warna yang diekstraksi adalah fitur warna pada ruang citra Hue, Value, Chroma (HVC). Hal ini dilakukan karena MSCC menggunakan ruang citra HVC untuk mengklasifikasikan warna tanah. Menurut buku Anonim (2009), hue adalah warna spektrum yang dominan sesuai dengan panjang gelombangnya. Value menunjukkan gelap terangnya warna, sesuai dengan banyaknya sinar yang dipantulkan. Chroma menunjukkan kemurnian atau kekuatan dari warna spektrum. Chroma didefiniskan juga sebagai gradasi kemurnian dari warna atau derajat pembeda adanya perubahan warna dari kelabu atau putih netral ke warna lainnya. Penelitian ini mengembangkan suatu aplikasi mobile yang dapat mengklasifikasikan warna tanah berdasarkan MSCC secara otomatis sehingga dapat mengurangi kemungkinan kesalahan pencocokan warna tanah, serta mempermudah pengguna MSCC. Menurut Boiman et al. (2008) metode klasifikasi k-Nearest Neighbor (k-NN) sangat sederhana, efisien dan kinerjanya sangat baik dalam klasifikasi citra. Oleh
2 karena itu, untuk mengklasifikan skala warna tanah pada perangkat mobile, akan digunakan warna mayor pada tanah namun sebelumnya, dibandingkan dengan ruang citra HVC pada data latih dengan menggunkan klasifikasi k-NN.
Perumusan Masalah Belum tersedianya mobile application berbasis android untuk mendeteksi warna tanah secara otomatis bedasarkan buku MSCC.
Tujuan Penelitian Berdasarkan rumusan permasalahan tersebut di atas, maka penelitian ini bertujuan untuk mengembangkan suatu aplikasi mobile berbasis android yang dapat mengklasifikasikan warna tanah berdasarkan MSCC secara otomatis.
Manfaat Penelitian Hasil dari penelitian ini dapat dijadikan dasar untuk penelitian selanjutnya dalam rangka mengembangkan suatu aplikasi mobile berbasis android, serta akan membantu peneliti di Balai Besar Penelitian Tanah Bogor untuk meminimalkan biaya dan waktu dalam mengklasifikasikan warna tanah.
Ruang Lingkup Penelitian Ruang lingkup penelitian ini, yaitu: 1 Data uji dan data latih menggunakan data yang sama yaitu dari buku MSCC yang diberikan oleh Balai Besar Penelitian dan Pengembangan Sumberdaya Lahan Pertanian, 2 pengambilan citra dilakukan pada keadaan cerah dan dimulai pada pukul 8.00-11.00, 3 kamera yang digunakan adalah kamera dari perangkat mobile dengan resolusi 8 megapiksel, 4 fokus kepada model warna hue dengan menampilkan warna dominan saja.
3
TINJAUAN PUSTAKA Warna Tanah Menurut Ritung et al. (2004:74) “warna tanah merupakan ciri tanah paling mudah ditentukan ketika di lapangan. Warna mencerminkan beberapa sifat tanah tertentu”. Warna tanah dibedakan atas: (a) warna dasar tanah atau warna matriks, dan (b) warna karatan sebagai proses dari hasil oksidasi dan reduksi di dalam tanah. 1. Warna matriks Warna tanah ditentukan dengan standar warna sesuai buku MSCC, dinyatakan dalam 3 model warna: hue, value, dan chroma menurut nama yang tercantum dalam lajur yang bersangkutan, yaitu meliputi: Warna dasar tanah (matriks), warna bidang struktur dan liat (terutama tanah berstruktur gumpal/sudut), warna karatan dan konkresi, warna plintit, warna humus. Dalam menentukan warna tanah harus diperhatikan: Tanah harus lembab (jika mungkin kering dan lembab), tanah ditempatkan di bawah lubang kertas Munsell dengan jari/pisau, tanah tidak bisa mengkilap (kecuali pada warna bidang strukur). Untuk tujuan khusus, perlu ditambahkan warna tanah setelah dihancurkan atau diremas, hindarkan bekerja menetapkan warna tanah sebelum jam 09.00 dan sesudah jam 16.00, jika warna tanah tidak tepat dengan warna pada buku Munsell, maka akan diberikan angka-angka hue, value, dan chroma tertinggi dan terendah yang membatasinya. Contoh: warna tanah ditulis 7,5YR 5/4 artinya hue 7,5YR, value 5 dan chroma 4, warna tanah coklat. 2.
Karatan Karatan adalah gejala kelainan warna tanah, yang diakibatkan oleh 2 proses kimia yaitu proses reduksi dan oksidasi. Karatan dalam penampang tanah dicatat mengenai jumlah (kadar), ukuran (kontras), batas, bentuk, dan warnanya.
Warna Tanah dan Karatan Hal yang sama juga diungkapkan Hardjowigeno (1985:10), “bahwa warna tanah merupakan sifat morfologi yang paling mudah dibedakan. Warna merupakan petunjuk untuk beberapa sifat tanah, misalnya: warna hitam menunjukkan kandungan bahan organik tinggi. Warna merah menunjukkan
4 adanya oksidasi bebas (tanah-tanah yang teroksidasi). Warna abu-abu atau kebiruan menunjukkan adanya reduksi”. Perlu diketahui bahwasanya hubungan warna tanah dengan kandungan bahan organik di daerah tropika banyak yang tidak sesuai dengan yang ditemukan di benua Amerika atau Eropa atau daerah beriklim sedang. Misal, tanah-tanah merah di Indonesia banyak yang mempunyai bahan organik lebih dari satu persen, sama dengan kandungan organik tanah hitam di daerah-daerah yang beriklim sedang. Menurut Hardjowigeno (1985) selain warna tanah, karatan tanah juga perlu dipelajari lebih lanjut khususnya penyifatan tanah yang meliputi jumlah, ukuran dan bandingan (kontras). Jumlah Sedikit = < 2% Sedang = 2-20% Banyak = >20% Ukuran Kecil = diameter terpanjang < 5 mm Sedang = diameter antara 5 -15 mm Bedar = diameter > 15 mm Bandingan Baur = ada karatan tidak jelas, jika tidak diamati dengan teliti. Warna karatan dan metriks mempunyai hue dan chroma dan hampir sama. Jelas = walaupun tidak nyata, tetapi karatan mudah terlihat, warna matriks dan kartan mudah dubedakan karena masing-masing mempunyai hue, value dan chroma yang berbeda. Warna mungkin berbeda satu-dua hue atau beberapa unit value (chroma). Buku MSCC edisi ke-4 mengatakan terdapat tiga variabel penting pada warna tanah seperti: hue, value, dan chroma. Hue adalah warna spektrum yang dominan sesuai dengan panjang gelombangnya. Value menunjukkan gelap terangnya warna, sesuai dengan banyaknya sinar yang dipantulkan. Chroma menunjukkan kemurnian atau kekuatan dari warna spektrum. Chroma sendiri didefiniskan juga sebagai gradasi kemurnian dari warna atau derajat pembeda adanya perubahan warna dari kelabu atau putih netral. Merujuk buku MSCC dalam menentukan nilai hue dimulai dari spektrum dominan paling merah (5R) sampai spektrum dominan paling kuning (5Y). Selain itu, di dalam beberapa buku MSCC sering terdapat juga untuk warna-warna tanah tereduksi (gley). Value dibedakan dari 2-8, semakin tinggi nilai value maka menunjukkan warna makin terang yang menandakan semakin banyak sinar yang dapat dipantulkan oleh tanah tersebut. Nilai Value pada lembar buku MSCC terbentang secara vertikal dari bawah ke atas dengan angka 2 menunjukkan paling gelap dan angka 8 menunjukkan paling terang, sedangkan chroma juga dibagi dengan rentang 1 dan 8, semakin tinggi chroma menunjukkan kemurnian spektrum atau kekuatan warna spektrum makin meningkat dan begitu pula sebaliknya.
5 Model Warna Suatu warna didasarkan pada perbedaan eksitasi dari 3 penerima cahaya di dalam retina. Ketiga warna tersebut adalah merah, hijau dan biru (red, green, dan blue, atau sering disingkat RGB) yang akan menentukan warna dari suatu obyek (Ford dan Roberts 1998). Nilai H (hue), S (saturation) dan V (value) dapat diperoleh dari nilai model warna RGB (Acharya dan Ray 2005) dan dari model warna tersebut dapat pul diperoleh nilai C (chroma) melalui berikut: (1)
-
(2)
-
{
o
H = 60 x ’ V=M
(3) (4)
{
dengan M m
* *
+
(a)
(5)
+ -
(b)
Gambar 1 Sistem koordinat model warna (a) RGB dan (b) HVC (Sumber Gambar : en.wikipedia.org)
6 Metode Klasifikasi k-Nearest Neighbor Konsep dasar dari metode k-NN adalah mencari jarak terdekat antara data uji dengan sejumlah k tetangga terdekat dalam data latih (Gambar 2). Berikut algoritme k-NN (Song 2007): 1 Menentukan nilai k, 2 menghitung jarak antara data uji dengan setiap data latih, 3 mendapatkan k data yang memiliki jarak terdekat, 4 k data yang memiliki jarak terdekat, diperoleh kelas yang paling banyak muncul, 5 kelas yang paling banyak muncul ditentukan sebagai kelas dari data uji.
Jarak histogram Perhitungan jarak antara histogram A dan histogram B dilakukan dengan rumus jarak Euclidean (Gonzales et al. 1987):
(
)
√∑(
)
(6)
dengan: = histogram A, Indeks array ke j = histogram B, Indeks array ke j n = panjang/rentang histogram
METODE PENELITIAN Pembuatan aplikasi mobile untuk mengidentifikasi warna tanah berbasis citra diimplementasikan pada mobile device untuk tempat penyimpanan database. Tahapan penelitian mengacu pada penelitian sebelumnya oleh Satyalesmana (2013). Tahap penelitian dapat dilihat pada Gambar 3.
?
Gambar 2 Metode klasifikasi k-Nearest Neighbor
7 Mulai
Akuisisi
Data Uji
Data latih
Praproses
Praproses
Ekstraksi
Ekstraksi
Klasifikasi
Model Klasifikasi
Hasil Klasifikasi
Evaluasi
Selesai
Mobile Device
PC
Gambar 3 Metode Penelitian Tahapan awal dilakukan proses akuisisi citra dengan mengambil citra data uji dan data latih. Masukan untuk data uji dan data latih berasal dari MSCC. Pembangunan model klasifikasi dan database histogram dilakukan pada PC untuk kemudian digunakan pada mobile device. 1. PC Citra dari MSCC akan digunakan untuk pembuatan model. Model dibuat dengan cara melakukan training pada citra. Berikut tahapan dalam proses training:
Akuisisi Tahap ini dilakukan untuk pengambilan citra digital dari buku MSCC dari Balai Besar Penelitian dan Pengembangan Sumberdaya Lahan Pertanian yang bertujuan guna pembuatan data latih dan data uji citra.
Praproses Praproses dilakukan untuk pemotongan citra digital yang bertujuan untuk mengambil bagian citra yang ingin diproses. Proses ini dilakukan untuk menurunkan waktu komputasi dikarenakan citra yang diambil lebih kecil dan bagian yang tidak terkait warna larutan dapat dihilangkan. Tahap
8 praproses data latih dilakukan di PC untuk menghasilkan model klasifikasi yang akan digunakan pada saat implementasi di aplikasi mobile, sedangkan tahap praproses untuk data uji dilakukan di ponsel pada saat pengujian.
Ekstraksi Ciri Tahap ini dilakukan untuk mengambil nilai komponen warna pada setiap citra yang diperoleh dari tahapan praproses. Komponen warna yang diperoleh tersebut merupakan model warna RGB. Untuk memperoleh model warna HVC maka dilakukan konversi warna dari RGB tersebut. Hasil konversi tersebut kemudian ditampilkan dalam histogram dengan mengambil nilai dari setiap piksel dengan rentang 0-255.
Model Klasifikasi Klasifikasi dilakukan berdasarkan hasil yang diperoleh dari tahap sebelumnya. Metode klasifikasi yang digunakan adalah membandingkan nilai HVC masing-masing piksel pada data uji dengan nilai HVC pada data latih untuk menemukan nilai histogramnya. Nilai histogram akan diklasifikasi dengan k-NN. Perhitungan jarak yang dipakai untuk menentukan jarak antar histogram adalah jarak Euclidian. Euclidian akan menghitung jarak histogram warna dari citra tanah sebagai data uji dengan setiap 259 histogram warna sebagai data latih yang terdapat pada model klasifikasi. Setelah diperoleh sebanyak k data yang memiliki jarak terdekat, kemudian diketahui kelas yang paling banyak muncul, kelas tersebut adalah kelas dari data uji.
Pengujian dan Evaluasi Evaluasi hasil klasifikasi dapat dilakukan dengan cara menghitung tingkat akurasi menggunakan rumus sebagai berikut: (7) Evaluasi hasil pengujian dilihat dengan menghitung nilai koefisien determinasi (R2). R2 digunakan untuk mengukur seberapa baik garis regresi yang terbentuk oleh nilai dugaan dengan nilai aktualnya, semakin baik jika mendekati 1. Menurut Walpole (1992), R2 dihitung dengan menggunakan Persamaan 8: ̅ [∑ni ̅] i
∑ni
i
i
̅
i
̅ (8)
dengan: = nilai aktual, = nilai prediksi, ̅ = nilai aktual rata-rata, ̅ = nilai prediksi rata-rata. 2. Mobile device Mobile device melakukan proses pengenalan citra menggunakan perbandingan nilai HVC antara masing-masing nilai HVC pada data uji dengan nilai HVC data latih. Ketika dijalankan aplikasi secara otomatis melakukan
9 praproses (cropping) dan proses ekstraksi fitur (pengambilan nilai hue, value, dan chroma). Basisdata yang digunakan diperoleh dari PC, kemudian digunakan untuk membandingkan nilai HVC pada citra data uji pada mobile dengan nilai HVC pada basisdata. Alur sistem untuk identifikasi citra pada aplikasi mobile yang akan dibangun dapat dilihat pada Gambar 4, tahapan identifikasi citra dimulai dengan proses pengambilan citra tanah untuk memperoleh data uji. Selanjutnya, citra dari data uji yang tidak ingin diproses dipotong. Jika citra digital yang diperoleh kurang baik maka aplikasi akan meminta untuk akuisisi citra lagi, sedangkan jika citra digital yang diperoleh sudah baik maka dilakukan ekstraksi ciri untuk tahap klasifikasi. Hasil klasifikasi akan dievaluasi sebagai tahap akhir dari tahapan ini.
Lingkungan pengembangan Lingkungan pengembangan yang digunakan pada penelitian ini memiliki spesifikasi sebagai berikut: 1. Perangkat Lunak OpenCv Notepad++ InkScape Macromedia XAMPP. 2. Pengkat Keras Smartphone Lenovo P780 (OS. 4.2.1, Kamera 8MP) Notebook Samsung (Spesifikasi Prosesor AMD Vision A6, AMD Radeon Grafik 2.70 GHz).
Mulai
Akuisisi Citra
Praproses
Data uji
Tidak
Citra Dapat Digunakan? Ya Ekstraksi Ciri
Selesai
Hasil Klasifikasi
Klasifikasi
Gambar 4 Alur sistem untuk identifikasi citra
10
HASIL DAN PEMBAHASAN Aplikasi yang dibangun yaitu aplikasi mobile berbasis android yang bertujuan untuk mengidentifikasi warna tanah. Aplikasi ini diimplementasikan pada mobile device.
Akuisisi Tahap ini dilakukan untuk mengambil citra digital dari buku MSCC sebagai data latih. Hasil akuisisi citra tersebut menghasilkan sebanyak 47 data citra dari setiap skala warna (7 kelompok hue dari buku MSCC) sehingga diperoleh 259 data citra. Data uji yang digunakan sebanyak 140 data citra yang diambil secara acak pada data latih.
Praproses Citra yang telah diakuisisi pada tahap sebelumnya dipotong sehingga menjadi berukuran 40x40 piksel. Proses pemotongan citra dari buku MSCC (Gambar 5).
Ekstraksi Ciri Nilai piksel yang diperoleh pada tiap-tiap citra dikonversi kedalam file .txt menggunakan PC (Lampiran 1). Isi di dalam file tersebut berupa nilai histogram HVC dari 259 citra data latih. Setiap citra hasil pemotongan menghasilkan 1.600 piksel dengan setiap pikselnya memiliki nilai histogram dengan rentang antara 0-255. Frekuensi kemunculan setiap nilai piksel ditampilkan dalam bentuk histogram warna. Perbandingan hasil konversi RGB ke value dan chroma dalam skala warna hue 2,5Y dari PC dan buku MSCC yang ditampilkan dalam diagram garis (Lampiran 2):
Gambar 5 Proses Pemotongan Citra dari buku MSCC
11
Koefisien determinasi value yang tinggi yaitu R²=0.8688 (Gambar 6) dapat diartikan bahwa secara simultan nilai value yang diperoleh dari alat terhadap MSCC dapat dijelaskan dalam model sebesar 86%. Hal berbeda terjadi pada koefisien determinasi chroma yaitu R²=0.1744 (Gambar 7). Hal ini terjadi karena terdapat data pencilan yang membuat fungsi tidak linear jika dibandingkan dengan data yang diperoleh sebelumnya. Terjadi pengelompokan data yang hampir sama antara nilai hasil konversi value dan chroma dari PC dengan buku Munsell (Gambar 8). Namun hasil konversi hue dari PC dengan buku Munsell tidak ditampilkan dalam diagram garis dikarenakan hasil konversi PC sedikit beragam jika dibandingkan dengan nilai hue pada buku Munsell yang hanya, memiliki satu nilai untuk satu skala warna. 10 y = 10,992x - 0,4956 R² = 0,8688
Value MSCC
8 6 4 2 0 0,00
0,20
0,40
0,60
0,80
Value Alat
Gambar 6 Nilai value untuk skala warna hue 5YR
Chroma MSCC
10 y = 7,1189x + 2,8021 R² = 0,1744
8 6 4 2 0 0,00
0,20
0,40
0,60
Chroma Alat
Gambar 7 Nilai chroma untuk skala warna hue 5YR
0,80
12 120,00 100,00 80,00 60,00 40,00 20,00 0,00 1
3
5
7
9
11 13 15 17 19 21 23 25 27 29 31 33 Series1
Alat
Series2
MSCC
Gambar 8 Pola value/chroma dari Gambar 6 dan 7 Untuk pengelompokkan masing-masing warna value dan chroma dalam mobile application diperlukan kalibrasi. Selain konversi value dan chroma pada skala warna hue 2,5 Y, juga dilakukan konversi yang sama pada skala warna pada hue 2,5Y, 2,5YR, 5Y, 7,5YR, 10Y, 10YR dan diperolehlah kalibrasi untuk masing-masing skala warna (Lampiran 3). Terdapat perbedaan hasil konversi hue antara konversi PC dengan hasil yang terdapat pada buku MSCC (Lampiran 4). Hal ini terjadi karena proses digitalisasi dari buku MSCC ke model warna RGB dan RGB ke model warna HVC.
Klasifikasi Pengujian dilakukan pada mobile device (Lampiran 5) tanpa harus terkoneksi dengan PC. Hasil ekstraksi kemudian diklasifikasi dengan k-NN, nilai k yang digunakan yaitu 1, 2, 3, 3, 5, 6 dan 7 pada pengujian memiliki nilai akurasi yang berbeda-beda sehingga diperoleh nilai k yang paling baik pada tahap klasifikasi. Perbandingan nilai akurasi dengan nilai k untuk komponen warna hue dan dapat dilihat pada Tabel 1 sebagai berikut:
13 Tabel 1 Perbandingan nilai akurasi setiap komponen warna hue Nilai K 1 2 3 4 5 6 7 Akurasi (%)
Akurasi tiap skala warna mSCC (%) Hue Hue Hue Hue Hue 2,5YR 5,5 Y 5,5YR 7,5Y 10R 100,00 10,00 5,00 30,00 10,00 80,00 40,00 15,00 35,00 40,00 75,00 30,00 20,00 0,00 5,00 75,00 50,00 30,00 20,00 0,00 50,00 45,00 50,00 55,00 40,00 30,00 15,00 35,00 40,00 15,00 40,00 40,00 40,00 20,00 20,00 30,71 28,57 18,57 64,28 32,85
Hue 2,5Y 20,00 40,00 40,00 20,00 30,00 55,00 25,00 32,85
Akurasi (%)
Hue 10YR 40,00 25,00 15,00 30,00 45,00 30,00 50,00 33,57
30,71 39,28 26,42 32,14 45,00 31,42 33,57
Percobaan klasifikasi menggunakan metode k-NN dengan nilai k yang berbeda-beda yaitu 1, 2, 3, 4, 5, 6 dan 7 pada komponen warna hue menunjukkan nilai tertinggi pada nilai k=5 yaitu 45,00%. Adapun secara keseluruhan nilai akurasi rata-rata tertinggi dalam pengelompokan komponen warna untuk semua nilai k yaitu mencapai 64,28%. Berikut ini tampilan dalam visualisasi dari persentase Tabel 1 (Gambar 9). Keseluruhan komponen warna hue pada model warna HVC menghasilkan akurasi rendah. Hal ini terjadi karena persiapan dalam praproses yang kurang maksimal. Jika dilihat secara teori informasi yang terkandung di dalam komponen warna hue lebih kepada informasi keragaman warna, sehingga dimungkinkan akurasi hue lebih baik lagi.
50 45
Akurasi Rata-rata
40 35 30 25 20 15 10 5 0 1
2
3
4
5
6
7
Nilai k
Gambar 9 Perbandingan akurasi rata-rata untuk setiap nilai k
14
SIMPULAN DAN SARAN Simpulan Penelitian ini telah berhasil mengimplementasikan metode ekstraksi fitur histogram warna pada masing-masing komponen warna R, G, B pada model warna RGB dan komponen warna H, V, C pada model warna HVC. Implementasi dilakukan menggunakan metode klasifikasi k-Nearest Neighbor (k-NN) untuk mengidentifikasi skala warna tanah. Hasil akurasi rata-rata tertinggi pada kelompok warna hue mencapai 45,00% pada nilai k=5. Selain itu diperoleh nilai akurasi tertinggi untuk semua nilai k pada salah satu komponen warna (2,5YR) sebesar 64,28%. . Saran Beberapa hal yang dapat dikembangakan pada sistem ini yaitu: 1 Untuk pengembangan lebih lanjut dalam menambah akurasi aplikasi sebelumnya persiapkan data untuk praproses dengan maksimal. 2 Pengambilan data uji dapat dilakukan dengan mengunduh soil color chart di playstore (keyword: soil color chart). 3 Dapat digunakan metode hierarki dalam melakukan klasifikasi 7 kelompok warna hue. 4 Pengembangan untuk mengelompokkan nilai value dan chroma dapat menggunakan kalibrasi yang telah diperoleh dalam penelitian ini.
DAFTAR PUSTAKA Acharya T, Ray AK. 2005. Image Processing Principles and Applications. New Jersey (US): John Wiley and Sons, Inc, Hoboken. Anonim. 2009. Munsell Soil Color Chart. Munsell Color. Anonim2. HSL and HSV. [Internet]. [diunduh 2013 Novemver 23]. Tersedia pada http://en.wikipedia.org/wiki/HSL_and_HSV Balai Penelitian Tanah. 2004. Petunjuk Teknis Pengamatan Tanah. A. Hidayat, editor. Balai Penelitian Tanah, Pusat Penelitian dan Pengembangan Tanah dan Agroklimat, Departemen Pertanian. hlm 117. Boiman O, Shechtman E, Irani M. 2008. In defense of nearest neighbor based image classification. 2008 IEEE Conference on Computer vision and pattern recognition: 1-8. Ford A, Roberts A. 1998. Colour Space Conversion. London (GB): Westminster University. Gonzales RC, Wintz Paul. 1987. Second Edition: Digital Image Processing. Boston (US): Addison-Wesley Publishing Company.
15 Hardjowigeno S. 1985. Genesis dan Klasifikasi Tanah. Fakultas Pasca Sarjana, Institut Pertanian Bogor. Bogor Ritung S, Sukarman dan Rofik. 2004. Pencatatan hasil pengamatan. Di dalam: A. Hidayat, editor. Petunjuk Teknis Pengamatan Tanah. Balai Penelitian Tanah, Pusat Penelitian dan Pengembangan Tanah dan Agroklimat, Departemen Pertanian. Bogor. hlm 22-110. Satyalesmana E. 2013. Aplikasi Bagan Warna Daun untuk Optimasi Pemupukan Tanaman Padi Menggunakan K-Nearest Neighbor. [skripsi]. Bogor: Institut Pertanian Bogor. Soepardi G. 1983. Sifat dan Ciri Tanah. Fakultas Pertanian Institut Pertanian Bogor. Bogor. Song Y. 2007. Informative k-Nearest Neighbor pattern classification. SpringerVerlag Berlin Heidelberg. hlm 248-264. Wahyudi. 2012.“ ” I . [Internet]. [diunduh 2014 Februari 23]. Tersedia pada http://tekno.kompas.com/read/2012/12/18/ 09270540/2013.Robot.Hijau.Masih.Kuasai.Indonesia Walpole ER. 1992. Pengantar Statistika. Jakarta (ID): Gramedia.
16
LAMPIRAN
17 Lampiran 1 Screenshoot aplikasi pengolah data a. Tampilan situs mSCC
Halaman home admin
Halaman admin
Halaman tambah data citra
18 Lampiran 1 Lanjutan
Halaman Konversi RGB ke HVC
19 Lampiran 2 Konversi value dan chroma pada masing-masing model warna 9 y = 10,746x + 0,0598 R² = 0,8458
8
Value Alat
7 6 5 4 3 2 1 0 0,00
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,80
Value MSCC
Nilai value untuk skala warna hue 2,5Y
9 y = 17,439x + 1,4879 R² = 0,8462
8
Chroma Alat
7 6 5 4 3 2 1 0 0,00
0,05
0,10
0,15
0,20
0,25
0,30
0,35
Chroma MSCC
Nilai chroma untuk skala warna hue 2,5Y
0,40
20 Lampiran 2 Lanjutan 0,30 0,25 y = 0,0294x - 0,037 R² = 0,8209
Value Alat
0,20 0,15 0,10 0,05 0,00 0
2
4
-0,05
6
8
10
Value MSCC
Nilai value untuk skala warna hue 2,5YR
9 y = 27,952x + 1,6997 R² = 0,798
8
Chroma Alat
7 6 5 4 3 2 1 0 0,00
0,05
0,10
0,15
0,20
0,25
Chroma MSCC
Nilai chroma untuk skala warna hue 2,5YR
0,30
21 Lampiran 2 Lanjutan 9 8
y = 0,0315x + 5,6783 R² = 0,0229
6 5 4 3 2 1 0 0,00
10,00
20,00
30,00
40,00
50,00
Value Alat
Nilai value untuk skala warna hue 5Y
9 y = 18,71x + 1,1782 R² = 0,9619
8 7
Charoma MSCC
Value MSCC
7
6 5 4 3 2 1 0 0,00
0,05
0,10
0,15
0,20
0,25
0,30
Chroma Alat
Nilai chroma untuk skala warna hue 5Y
0,35
0,40
22 Lampiran 2 Lanjutan 9 y = 10,828x - 0,2688 R² = 0,8887
8
Value MSCC
7 6 5 4 3 2 1 0 0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
Value Alat
Nilai value untuk skala warna hue 7,5YR
9 y = 22,006x + 1,6804 R² = 0,8985
8
Chroma MSCC
7 6 5 4 3 2 1 0 0
0,05
0,1
0,15
0,2
0,25
Chroma Alat
Nilai chroma untuk skala warna hue 7,5YR
0,3
0,35
23 Lampiran 2 Lanjutan 9 8
y = 11,77x - 1,0639 R² = 0,871
Value Alat
7 6 5 4 3 2 1 0 0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
Value MSCC
Nilai value untuk skala warna hue 10R
10 y = 17,22x + 2,3343 R² = 0,3902
9
Chroma MSCC
8 7 6 5 4 3 2 1 0 0
0,1
0,2
0,3
0,4
Chroma Alat
Nilai chroma untuk skala warna hue 10R
0,5
24 Lampiran 2 Lanjutan 9 y = 10,896x - 0,2331 R² = 0,9073
8
Value MSCC
7 6 5 4 3 2 1 0 0
0,2
0,4
0,6
0,8
1
Value Alat
Nilai value untuk skala warna hue 10YR
9 y = 19,847x + 1,7404 R² = 0,84
8
Chroma MSCC
7 6 5 4 3 2 1 0 0
0,05
0,1
0,15
0,2
0,25
Chroma Alat
Nilai chroma untuk skala warna hue 10R
0,3
0,35
25 Lampiran 3 Rumus Kalibrasi Skala Warna Skala Warna Hue 2,5Y
Rumus Kalibrasi VMSCC = 10,746 Valat – 0,0598 CMSCC = 27,439 Calat + 1,4879
Hue 2,5YR
VMSCC = 0,0294 Valat - 0.037 CMSCC = 27,952 Calat + 1,6997
Hue 5Y
VMSCC = 0,0315 Valat + 5,6783 CMSCC = 18,71 Calat + 1.1782
Hue 5YR
VMSCC = 10,5992 Valat - 0.4956 CMSCC = 7,1189 Calat + 2,8021
Hue 7,5YR
VMSCC = 10.828 Valat - 0.2688 CMSCC = 22.006 Calat + 1.6804
Hue 10Y
VMSCC = 11.77 Valat - 1.0639 CMSCC = 17,22 Calat + 2,3343
Hue 10YR
VMSCC = 10.8965 Valat - 0.2331 CMSCC = 19,847 Calat + 1,7404
26 Lampiran 4 Konversi Skala Warna Khusus Hue Heu 2,5Y 46.33 45.12 40.99 40.82 38.45 14.59 44.21 41.98 37.99 34.58 33.87 52.31 40.69 39.14 36.53 31.83 26.29 4.71 33.47 129.39 32.17 29.22 25.94 49.26 28.49 25.43 26.06 43.77 40.87 36.82 0.00
Heu 2,5YR 17.54 38.03 151.63 3.71 20.95 19.96 14.40 15.34 175.00
0.00 19.10 15.90 13.90 9.94 10.14 188.76 15.01 12.79 10.32 10.82 22.78 195.17 7.55 9.20 10.60 107.64 7.20 26.88 260.44 27.57 30.02 114.65 168.70 136.77 56.80 148.36 312.50
Heu 5Y 51.87 50.66 49.60 47.93 49.13 20.69 49.53 47.16 45.68 42.93 43.43 14.75 46.99 46.33 45.94 43.59 31.42 61.92 41.12 40.57 36.60 27.61 81.19 32.88 31.79 27.27 13.13 10.29
0.00 0.00 36.20
Hue 5YR Hue 7,5YR 17.27 34.5 20.49 30.6 128.10 30.1 40.7 0.00 20.13 0.0 19.34 33.1 13.09 31.7 34.84 25.8 134.98 25.4 22.5 0.00 18.99 0.0 16.23 30.0 14.24 27.9 7.85 23.0 24.55 17.3 288.15 17.4 19.07 70.3 18.18 24.6 14.95 23.2 12.58 20.6 11.33 15.0 197.76 24.8 13.79 0.0 9.12 16.6 7.69 16.7 12.53 16.6 28.3 0.00 79.35 62.9 121.45 45.8 237.13 12.6 185.22 294.0
Hue 10Y 16.42 19.01 75.38
0.00 15.12 13.81 12.94 61.14 331.51
0.00 12.56 12.91 11.50 14.66 8.98 157.04 7.50 9.73 6.47 6.81 291.84 193.20 8.74 12.59 126.35 186.80 203.89 286.70 352.19 243.18 318.90 311.62 125.29 253.03
Hue 10YR 41.03 38.89 38.30 34.77 45.15 21.38 38.08 37.32 32.18 30.63 35.77 1.24 35.72 33.63 28.20 23.95 25.26
0.00 30.94 27.94 27.66 26.52 13.93
0.00 23.48 21.13 21.11 13.33
0.00 22.24 23.73
27 Lampiran 5 Screenshoot aplikasi android
Menu Home
Menu Galeri
Menu Kamera
Menu Petunjuk
Pemilihan citra dari galeri
Proses citra dari galeri
28 Lampiran 5 Lanjutan
Proses citra dari kamera
Proses identifikasi
Hasil identifikasi
29
RIWAYAT HIDUP Ahmad Zulfikar S lahir pada tanggal 1 Juli 1992 di Kabupaten Selayar Provinsi Sulawesi Selatan, dari pasangan H Drs Sidi dan Hj Nur Hidayat. Pada tahun 2010, penulis lulus dari SMA Negeri 1 Benteng Selayar dan diterima sebagai mahasiswa di Departemen Ilmu Komputer, Institut Pertanian Bogor (IPB) melalui jalur Undangan Seleksi Masuk IPB. Selama menjadi mahasiswa, penulis pernah menjadi Panitia Seminar Bidang MIPA BKS-PTN Barat (SEMIRATA 2014) sebagai Koordinator Panitia. Pada tahun 2013, penulis melaksanakan kegiatan Praktik Kerja Lapangan (PKL) di International Collaboration Office (ICO) IPB selama 35 hari kerja. Selama perkuliahan, penulis juga aktif dalam organisasi Himpunan Mahasiswa Ilmu Komputer (HIMALKOM) dan Organisasi Mahasiswa Daerah Ikatan Mahasiswa Sulawesi Selatan-Barat (IKAMI SULSEL-BAR). Penulis juga aktif diberbagai kegiatan kepanitiaan kegiatan kampus dan menjadi salah satu pengajar di LPK Tepi Sawah desa Cekonjen Kabupaten Bogor. Selain itu Penulis juga pernah menjadi Panitia bidang Devisi D3 pada acara IT TODAY 2012.
