IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOR UNTUK MENGKLASIFIKASIKAN MOTIF BATIK BESUREK BENGKULU SKRIPSI WESTHYMA SIBARANI

Transkripsi

1 IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOR UNTUK MENGKLASIFIKASIKAN MOTIF BATIK BESUREK BENGKULU SKRIPSI WESTHYMA SIBARANI PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2015

2 IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOR UNTUK MENGKLASIFIKASIKAN MOTIF BATIK BESUREK BENGKULU SKRIPSI Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh Sarjana Ilmu Komputer WESTHYMA SIBARANI PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2015

3 ii PERSETUJUAN Judul : IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOR UNTUK MENGKLASIFIKASIKAN MOTIF BATIK BESUREK BENGKULU Kategori : SKRIPSI Nama : WESTHYMA SIBARANI Nomor Induk Mahasiswa : Program Studi : S1 ILMU KOMPUTER Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI (Fasilkom-TI) Diluluskan di Medan, September 2015 Komisi Pembimbing Pembimbing 2 Pembimbing 1 Drs.Marihat Situmorang,M.Kom Drs.Partano Siagian,M.Sc NIP NIP Diketahui/Disetujui oleh Program Studi S1 Ilmu Komputer Ketua, Dr.Poltak Sihombing, M.Kom NIP

4 iii PERNYATAAN IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOR UNTUK MENGKLASIFIKASIKAN MOTIF BATIK BESUREK BENGKULU SKRIPSI Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya. Medan, 2015 Westhyma Sibarani NIM

5 iv PENGHARGAAN Pujian, hormat dan syukur buat kasih Allah Bapa, Tuhan Yesus Kristus dan Roh Kudus atas berkatnya yang begitu besar sehingga penulis dapat menyelesaikan penyusunan skripsi ini sebagai syarat untuk memperoleh gelar Sarjana Komputer pada Program Studi S1 Ilmu Komputer, Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara. Dalam kesempatan ini penulis ingin mengucapkan terima kasih kepada : 1. Bapak Prof. Subhillar, Ph.D selaku pejabat Rektor. 2. Bapak Prof.Dr. Muhammad Zarlis selaku Dekan Fakultas Ilmu Komputer dan Teknologi Informasi. 3. Bapak Dr.Poltak Sihombing,M.Kom selaku Ketua Program Studi S1 Ilmu Komputer. 4. Ibu Maya Silvi Lydia, B.Sc,M.Sc selaku Sekretaris Program Studi S1 Ilmu Komputer. 5. Bapak Drs.Partano Siagian,M.Sc selaku Dosen Pembimbing I yang telah memberikan bimbingan kepada penulis dalam pengerjaan skripsi. 6. Bapak Drs.Marihat Situmorang,M.Kom selaku Dosen Pembimbing II yang telah meluangkan waktu dan memberi masukan yang bermanfaat bagi penulis. 7. Ibu Dr.Elviawaty Muisa Zamzami,ST,MT,MM selaku Dosen Penguji I yang telah memberikan kritik dan saran dalam penyempurnaan skripsi ini. 8. Bapak Jos Timanta Tarigan,S.Kom, M.Sc selaku Dosen Penguji II yang telah memberikan kritik dan saran dalam penyempurnaan skripsi ini. 9. Seluruh bapak/ibu dosen dan pegawai di Program Studi S1 Ilmu Komputer, Fakultas Ilmu Komputer dan Teknologi Informasi. 10. Ayahanda M.Sibarani, ibunda M.Sihombing (Alm) dan E.Sihombing tercinta, saudaraku bang Parulian Sibarani,ST, bang Faber Zufrianton Sibarani,dan Lionel Teguh Sibarani yang selalu memberikan cinta dan kasih sayang,semangat,dana, dan doa tanpa henti kepada penulis. 11. Sahabat terkasih AGATHA (bang Boris Sirait, kak Desi Mariza Sinaga, Lennora Marbun,Sunfirst Lady Jeanfera Nababan,Tetti Sinaga,Noviyanti Sagala, dan Helen Sri Maharani) serta sahabat terkasih Dian Rahayu Purba, Amalia Dwi Putri,

6 v Bernadet Elvina, Yuliza Andriany, bang Markus, dan adik Ls.Hari Simanjuntak yang terus memberikan dukungan dan doa bagi penulis 12. Adik kelompok terkasih AOPHIA (Janferson Panggabean, Tuti Simanjuntak, Anggi Fitriani Lumbanbatu, Astria Martina Silaban, dan Yonathan Hutapea) 13. Sanak keluarga besar baik opung,tulang dan nantulang no.1,3,dan4,kak Lawrellya, kak Ria,bang Boby,bang Gilbert,tulang Maringan Simanjuntak,Amd, tante Ruceh, tulang dan nantulang Pendeta, dan semua keluarga yang tetap mendukung penulis. 14. Teman-teman kampus LOGIC (bang Johanes G.Hutabarat, bang Yudhi Pangaribuan, bang Samuel Tarigan,bang Jonhri Sibarani, Johanes P.Saragih, Rivai H.Purba, Yansen Simatupang,Lorent Oliver Barus, Kurniawan Hutagaol, dan Hengky Gulo), teman-teman KOMDIS,Arifin, para Hadeuh serta semua temanteman Kom-A 2010 yang selalu mengingatkan, mendorong, memberikan semangat dan membantu dalam pengerjaan skripsi ini. 15. Adik junior di kampus Winda Sari Elisabeth,Baringin Sihite,Maya Hartina Hutagalung,Ardi,Toni A.Sianturi,Mangasa Manullang,Endang, Rosalia,Evelin, Maya K.Nasution dan semua adik-adik terkasih yang selama ini juga membantu dalam memberi semangat dan doa. 16. Abang/kakak/teman/adik semasa pelayanan di UKM KMK USU, UP FMIPA, dan Tim Kerja UKM KMK USU 2014 baik Tiara Tobing,Wahyu Rahyuni Butarbutar, Mardi Sirait,Octa Manurung, Harif Nepen Marbun, Gery L.Purba, kak Destriani, bang Jakup, Julfi, Fahmy, Marlina, Suryati 17. Semua pihak yang tidak dapat disebutkan penulis satu per satu yang telah membantu penyelesaian skripsi ini. Penulis menyadari bahwa skripsi ini masih terdapat kekurangan, oleh karena itu penulis mengharapkan kritik dan saran yang membangun demi kesempurnaan skripsi ini. Medan, 2015 Penulis Westhyma Sibarani

7 vi ABSTRAK Indonesia merupakan negara yang terkenal dengan salah satu kebudayaannya yaitu batik. Batik di Indonesia memiliki beragam corak dan motif yang pada umumnya beberapa daerah memiliki perbedaan. Dari perbedaan itu pula yang menjadi latar belakang untuk membahas mengenai batik dari daerah Bengkulu yaitu batik Besurek. Perkembangan teknologi di bidang pengenalan pola menjadi dasar dalam klasifikasi motif batik Besurek Bengkulu. K-NN (K- Nearest Neighbor) merupakan salah satu metode klasifikasi dalam data mining dimana pengklasifikasiannya berdasarkan kedekatan lokasi (jarak) suatu data dengan data yang lain dan jumlah anggota kelas terbanyak. Metode ekstraksi ciri dalam penelitian ini menggunakan threshold dan deteksi tepi Robert. Citra yang dilatih dan diuji adalah citra batik Besurek Bengkulu yang terdiri dari 4 kelas motif yaitu Relung Paku, Bunga Rafflesia, Burung Kuau, dan Rembulan dengan ukuran citra sebesar 100x100 piksel. Dari hasil pengujian didapati bahwa tingkat pengenalan untuk citra latih diperoleh nilai sebesar 100% pada k = 1 dan tingkat pengenalan untuk citra diluar citra latih diperoleh nilai sebesar 50% pada k= 3. Ratarata waktu pengujian tercepat untuk citra latih diperoleh pada saat k = 5 sebesar 27,06 detik dan rata-rata waktu pengujian tercepat untuk citra diluar citra latih tercepat diperoleh pada saat k = 1 sebesar 31,94 detik. Kata kunci : Data Mining, Ekstraksi Ciri, K-Nearest Neighbor, Motif Batik Bengkulu. Besurek

8 vii ABSTRACT Indonesia is a country which is well-known with its culture called Batik. Batik has various of pattern and motif which is generally different each area in Indonesia. The difference is the reason for researching about Bengkulu Batik called Besurek. The development of technology in feature identification sector is a basic in classifying Bengkulu Besurek Batik motif. K-NN (K-Nearest Neighbor) is one of classification methods of data mining which is based on nearness location(distance) of each data and the most amount of class member. Feature extraction method used in this research is threshold and Robert edge detection. Image training and testing are Bengkulu Besurek batik image which are contain of 4 motif classes that are Relung Paku, Bunga Rafflesia, Burung Kuau, and Rembulan which have a measurement of 100 x 100 pixels. According to the result of the testing, the degree of identification of image training is 100% on K = 1 and outside image training as big as 50 % on K = 3. The average of the fastest time testing of image training for K = 5 is seconds and the fastest time testing of outside image training for K = 1 is seconds. Keywords : Bengkulu Besurek Batik Pattern, Data Mining, Feature Extraction, K- Nearest Neighbor.

9 viii DAFTAR ISI Hal Persetujuan Pernyataan Penghargaan Abstrak Abstract Daftar Isi Daftar Gambar Daftar Tabel Daftar Simbol Daftar Lampiran ii iii iv vi vii viii x xii xiii xvi Bab I Pendahuluan 1.1 Latar Belakang Rumusan Masalah Batasan Masalah Tujuan Penelitian Manfaat Penelitian Metodologi Penelitian Sistematika Penulisan 4 Bab II Tinjauan Pustaka 2.1 Batik Besurek Sejarah Batik Besurek Bengkulu Jenis-jenis Motif Dasar Batik Besurek Data Mining K-Nearest Neighbor (K-NN) Algoritma K-NN Ekstraksi Ciri Thresholding Deteksi Tepi (Edge Detection) Deteksi Tepi Robert Pengenalan Pola (Pattern Recognition) Format File Citra JPEG (Joint Photographic Expert Group) 18 Bab III Analisis dan Perancangan Sistem 3.1 Analisis Sistem Analisis Permasalahan Analisis Kebutuhan Analisis Kebutuhan Fungsional Sistem 20

10 ix Analisis Kebutuhan Non-Fungsional Sistem Analisis Proses Use Case Diagram Use Case Pelatihan Sistem Use Case Pengujian Sistem Activity Diagram Activity Diagram Pelatihan Activity Diagram Pengujian Sequence Diagram Sequence Diagram Pelatihan Sequence Diagram Pengujian Perancangan Sistem Flowchart Sistem Flowchart Proses Pelatihan Flowchart Subproses Ekstraksi Ciri Flowchart Proses Pengujian Perancangan Antarmuka Perancangan Antarmuka Beranda Perancangan Antarmuka Bantuan Perancangan Antarmuka Pelatihan Perancangan Antarmuka Pengujian Perancangan Antarmuka Keluar 37 Bab IV Implementasi dan Pengujian 4.1 Implementasi Sistem Tampilan Antarmuka Sistem Tampilan Antarmuka Beranda Tampilan Antarmuka Bantuan Tampilan Antarmuka Pelatihan Tampilan Antarmuka Pengujian Tampilan Antarmuka Keluar Pengujian Sistem Pengujian K-NN terhadap Citra Latih Pengujian K-NN terhadap Citra diluar Citra Latih 56 Bab V Kesimpulan dan Saran 5.1 Kesimpulan Saran 59 Daftar Pustaka 60 Lampiran Listing Program A-1 Lampiran Curriculum Vitae B-1

11 x DAFTAR GAMBAR Hal Gambar 2.1 Motif Relung Paku 7 Gambar 2.2 Motif Bunga Rafflesia 7 Gambar 2.3 Motif Burung Kuau 8 Gambar 2.4 Motif Rembulan 8 Gambar 2.5 Operator Robert 14 Gambar 2.6 Pengenalan Pola 16 Gambar 3.1 Diagram Ishikawa Analisis Permasalahan 19 Gambar 3.2 Use case Diagram 22 Gambar 3.3 Activity Diagram Pelatihan 25 Gambar 3.4 Activity Diagram Pengujian 26 Gambar 3.5 Sequence Diagram Pelatihan 27 Gambar 3.6 Sequence Diagram Pengujian 28 Gambar 3.7 Flowchart Proses Pelatihan 29 Gambar 3.8 Flowchart Subproses Ekstraksi Ciri 29 Gambar 3.9 Flowchart Proses Pengujian 30 Gambar 3.10 Tampilan Rancangan Antarmuka Beranda 31 Gambar 3.11 Tampilan Rancangan Antarmuka Bantuan 32 Gambar 3.12 Tampilan Rancangan Antarmuka Pelatihan 33 Gambar 3.13 Tampilan Rancangan Antarmuka Pengujian 35 Gambar 3.14 Tampilan Rancangan Antarmuka Keluar 37 Gambar 4.1 Tampilan Antarmuka Beranda 39 Gambar 4.2 Tampilan Antarmuka Bantuan 40 Gambar 4.3 Tampilan Antarmuka Pelatihan 41 Gambar 4.4 Tampilan Antarmuka Pelatihan setelah button Load diklik 41 Gambar 4.5 Tampilan Antarmuka Pelatihan setelah slider Threshold diklik 42 Gambar 4.6 Tampilan Antarmuka Pelatihan saat deteksi tepi Robert 42 Gambar 4.7 Tampilan Penyimpanan Matriks Vektor 43 Gambar 4.8 Tampilan Antarmuka Pelatihan setelah button Reset diklik 43 Gambar 4.9 Tampilan Antarmuka Pengujian 44

12 xi Gambar 4.10 Tampilan Buka File Motif Batik 44 Gambar 4.11 Tampilan Antarmuka Pengujian setelah dimasukkan citra 45 Gambar 4.12 Tampilan Antarmuka Pengujian setelah threshold 45 dan deteksi tepi Robert Gambar 4.13 Tampilan Antarmuka Pengujian untuk memilih nilai K 46 Gambar 4.14 Tampilan Antarmuka Pengujian dengan nilai K=1 46 Gambar 4.15 Tampilan Antarmuka Pengujian dengan nilai K=3 47 Gambar 4.16 Tampilan Antarmuka Pengujian dengan nilai K=5 47 Gambar 4.17 Tampilan Antarmuka Pengujian dengan nilai K=7 48 Gambar 4.18 Tampilan Antarmuka Keluar 48 Gambar 4.19 Tampilan Matriks Vektor Ekstraksi Ciri Data latih dan Data Uji 52 Gambar 4.20 Tampilan Hasil Ascending Euclidean Distance 53

13 xii DAFTAR TABEL Hal Tabel 2.1 Klasifikasi Data Latih 11 Tabel 2.2 Perhitungan kuadrat jarak data latih dengan data uji 12 Tabel 2.3 Penentuan 3 tetangga tedekat dari data uji 12 Tabel 2.4 Klasifikasi kelas tetangga terdekat 12 Tabel 2.5 Perhitungan deteksi tepi Robert 15 Tabel 3.1 Spesifikasi Use Case Pelatihan 22 Tabel 3.2 Spesifikasi Use Case Pengujian 24 Tabel 4.1 Data Citra Latih 49 Tabel 4.2 Data Citra diluar Citra Latih 51 Tabel 4.3 Hasil Pengujian K-NN terhadap Citra Latih 54 Tabel 4.4 Tingkat Akurasi Pengenalan terhadap Citra Latih 55 Tabel 4.5 Rata-rata Waktu Pengujian terhadap Citra Latih 56 Tabel 4.6 Hasil Pengujian K-NN terhadap Citra diluar Citra Latih 56 Tabel 4.7 Tingkat Akurasi Pengenalan terhadap Citra diluar Citra Latih 57 Tabel 4.8 Rata-rata Waktu Pengujian terhadap Citra diluar Citra Latih 57

14 xiii DAFTAR SIMBOL No Simbol Nama Fungsi 1 Terminator Permulaan/akhir program 2 Input/Output Data Proses input/output data, parameter, informasi Flowchart 3 Process 4 Decision 5 Subprocess Proses perhitungan/proses pengolahan data Perbandingan pernyataan, penyeleksian data yang memberikan pilihan untuk langkah selanjutnya Permulaan sub program/ proses menjalankan sub program 6 Magnetic Disk (Database) Lokasi penyimpanan data yang digambarkan dalam bentuk database 7 Flow Line Arah aliran program Use Case Diagram No Simbol Nama Fungsi Segala sesuatu yang perlu berinteraksi 1 Actor dengan sistem untuk pertukaran Actor1 2 UseCase1 Use Case 3 Association informasi Mengidentifikasi dan menggambarkan fungsi-fungsi sistem Hubungan antara aktor dengan use case dimana terjadi interaksi

15 xiv No Simbol Nama Fungsi 1 Initial State Awal sebuah proses 2 State1 State Menggambarkan sebuah kegiatan/tugas yang perlu dilakukan Activity Diagram 3 Control Flow Sasaran yang mengawali kegiatan Menunjukkan kegiatan yang dilakukan 4 Transition secara paralel atau untuk Fork/Join menggabungkan dua/lebih kegiatan paralel menjadi satu 5 Decision Sebuah kegiatan keputusan 6 Final State Akhir dari sebuah proses No Simbol Nama Fungsi 1 Object Object Contoh dari sebuah class dengan nama objek di dalamnya dan dituliskan secara horizontal Sequence Diagram 2 Actor User 3 Lifeline 4 Activition Dapat berkomunikasi dengan objek maka actor juga dapat diurutkan sebagai kolom Keberadaan sebuah objek dalam basis waktu Mengindikasikan sebuah objek yang akan melakukan aksi

16 xv 5 Message1 Message Mengindikasikan komunikasi antara objek-objek 6 Message Self Message Mengindikasikan komunikasi kembali ke dalam sebuah objek itu sendiri 7 Message2 Message (return) Menampilkan hasil dari pengiriman message

17 xvi DAFTAR LAMPIRAN Halaman A. Listing Program A-1 B. Curiculum Vitae B-1