KLASIFIKASI KARET RSS (RIBBED SMOKE SHEET) MENGGUNAKAN METODE LVQ (LEARNING VECTOR QUANTIZATION) SKRIPSI ANNISA FADHILLAH PULUNGAN

Transkripsi

1 KLASIFIKASI KARET RSS (RIBBED SMOKE SHEET) MENGGUNAKAN METODE LVQ (LEARNING VECTOR QUANTIZATION) SKRIPSI ANNISA FADHILLAH PULUNGAN PROGRAM STUDI S1 TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2016

2 KLASIFIKASI KARET RSS (RIBBED SMOKE SHEET) MENGGUNAKAN METODE LVQ (LEARNING VECTOR QUANTIZATION) SKRIPSI Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Teknologi Informasi ANNISA FADHILLAH PULUNGAN PROGRAM STUDI S1 TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2016

3 iii PERSETUJUAN Judul : KLASIFIKASI KARET RSS (RIBBED SMOKED SHEET) MENGGUNAKAN METODE LVQ (LEARNING VECTOR QUANTIZATION) Kategori : SKRIPSI Nama : ANNISA FADHILLAH PULUNGAN Nomor Induk Mahasiswa : Program Studi : SARJANA (S1) TEKNOLOGI INFORMASI Departemen : TEKNOLOGI INFORMASI Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA Komisi Pembimbing : Pembimbing 2 Pembimbing 1 Seniman S.Kom, M.Kom Romi Fadillah Rahmat, B.Comp.Sc, M.Sc NIP NIP Diketahui/disetujui oleh Program Studi S1 Teknologi Informasi Ketua, Muhammad Anggia Muchtar, ST., MM.IT NIP

4 iv PERNYATAAN KLASIFIKASI KARET RSS (RIBBED SMOKE SHEET) MENGGUNAKAN METODE LVQ (LEARNING VECTOR QUANTIZATION) SKRIPSI Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya. Medan, Januari 2016 ANNISA FADHILLAH PULUNGAN

5 v UCAPAN TERIMA KASIH Puji dan syukur kehadirat Allah SWT, karena rahmat dan izin-nya penulis dapat menyelesaikan penyusunan skripsi ini, sebagai syarat untuk memperoleh gelar Sarjana Komputer, pada Program Studi S1 Ilmu Teknologi Informasi Fakultas Ilmu Komputer dan Teknologi Informasi. Ucapan terima kasih penulis sampaikan kepada: 1. Bapak Prof. Dr. dr. Syahril Pasaribu, DTM&H, Msc(CTM), Sp.A(K) selaku Rektor. 2. Bapak Prof. Dr. Muhammad Zarlis selaku Dekan Fasilkom-TI USU. 3. Bapak Muhammad Anggia Muchtar, ST., MM.IT selaku Ketua Program Studi S1 Teknologi Informasi. 4. Bapak Mohammad Fadly Syahputra, B.Sc, M.Sc, IT selaku Sekretaris Program Studi S1 Teknologi Informasi. 5. Bapak Romi Fadillah Rahmat, B.Comp.Sc, M.Sc selaku dosen pembimbing I yang telah memberikan bimbingan dan saran kepada penulis. 6. Bapak Seniman, S.Kom, M.Kom selaku Dosen Pembimbing II yang telah memberikan bimbingan dan saran kepada penulis. 7. Bapak Dr. Sawaluddin, M.IT selaku Dosen Pembanding I yang telah memberikan kritik dan saran dalam penyempurnaan skripsi ini. 8. Bapak Sajadin Sembiring, S.Si, M.Comp.Sc selaku Dosen Pembanding II yang telah memberikan kritik dan saran dalam penyempurnaan skripsi ini. 9. Ayahanda H. Gong Martua Pulungan, S.E dan Ibunda Almh. Hj. Zuchrainis Rangkuti, Faridawati Marpaung, S.Si, M.Si yang selalu memberikan doa, kasih sayang dan dukungan kepada penulis. 10. Adik-adik penulis, Nurul Hidayah Pulungan dan Syarif Hidayatullah Pulungan yang selalu mendukung dan medoakan penulis. 11. Erinsyah Maulia Rangkuti, S.T, Ikhwan Bayonta Nasution, S.T yang telah membantu penulis dalam mendapatkan data penelitian.

6 vi 12. Para senior Teknologi Informasi, Nanda Putra, S.TI, Hasnul Arif Fikri, S.TI, Yogi Suryo Santoso, Fani Sari Wulandari, S.TI yang telah memberikan dukungan dan masukan kepada penulis. 13. Teman-teman seangkatan Teknologi Informasi, Ossie Zarina Prayitno, Rauva Chairani, Novita Ratu Sianipar, Chairunnisaq, Masyunita, William, Fahrunnisa, Ade Oktariani, Marsha Ayudia, Vanessa Felicia, Dian Aria Ningsih, Susi Elfrida dan lain-lain yang telah membantu penulis menyelesaikan skripsi. 14. Ibu Zullidar Habsyah, S.Pd, M.Si yang telah memberikan dukungan dan arahan kepada penulis. 15. Teman-teman seperjuangan Pimpinan Wilayah IPM SUMUT, Kakanda Maya Puspita Ningrum, S.H, M.H, Abangda Muhammad Arif, S.E, M.M, Erik Syahputra, S.Pd, Syarifah Aini, Winda Handayani, S.Pd dan seluruh anggota PH PW IPM SUMUT yang selalu member semangat kepada penulis. 16. Seluruh keluarga besar Alm. Ramli Rangkuti yang telah memberikan dukungan dan motivasi kepada penulis 17. Semua pihak yang terlibat langsung ataupun tidak langsung yang tidak dapat penulis ucapkan satu per satu yang telah membantu penyelesaian skripsi ini. Semoga Allah SWT melimpahkan berkah kepada semua pihak yang telah memberikan bantuan, perhatian, serta dukungan kepada penulis dalam menyelesaikan skripsi ini. Medan, Januari 2016 Penulis

7 vii ABSTRAK Indonesia merupakan pengekspor bahan alam karet terbesar kedua di dunia setelah Thailand. Salah satu jenis karet olahan yang dijadikan bahan ekspor adalah karet olahan lembar karet asap atau ribbed smoked sheet (RSS). Mutu dari karet olahan RSS sangat mempengaruhi peningkatan ekspor karet RSS. Kualitas karet RSS telah ditetapkan pada SNI dan International Standards of Quality And Packing for Natural Rubber Grades (The Green Book). Proses penetapan kualitas karet RSS disebut juga sebagai proses sortasi. Namun, pada beberapa perkebunan karet, proses sortasi masih dilakukan secara manual dengan melihat kadar gelembung pada permukaan lembaran karet secara kasat mata sehingga menghasilkan kualitas yang kurang tepat dan bersifat subjektif. Maka dari itu penelitian ini ditujukan untuk melakukan proses klasifikasi karet RSS secara otomatis dan tepat. Penelitian ini menggunakan proses pengolahan citra dengan citra karet RSS sebagai masukan dan Hasil klasifikasi sebagai keluaran. Proses klasifikasi RSS menggunakan metode Learning Vector Quantization (LVQ) dengan dua kelas klasifikasi yaitu RSS1 dan RSS3. Penelitian ini menggunakan 120 citra RSS sebagai data latih dan 60 citra RSS sebagai data uji dengan nilai akurasi sebesar 89 % dengan nilai epoh terbaik pada epoh ke-15. Kata Kunci: ribbed smoked sheet, pengolahan citra, learning vector quantization.

8 viii CLASSIFICATION OF RSS (RIBBED SMOKED SHEET) USE LVQ (LEARNING VECTOR QUANTIZATION) METHOD ABSTRACT Indonesia is the second ranking exporter of natural rubber in the world after Thailand. One of rubber type is used as rubber material exports is Ribbed Smoked Sheet (RSS). The quantity of RSS exports depends on the quality of RSS. RSS rubber quality has been assigned in SNI and the International Standards of Quality And Packing for Natural Rubber Grades (The Green Book). RSS quality determination process is also known as the sorting process. However, in the rubber factories, the sorting process is still done manually by looking and detecting at the levels of air bubbles on the surface of the rubber sheet by eyes so the resulting in a lack of proper quality and subjective. Therefore this research has purpose to perform the classification process RSS rubber automatically and precisely. This research uses image processing with image of RSS as an input and the result of classification as an output. The RSS classification used Learning Vector Quantization (LVQ) method with two grades, which are RSS1 and RSS3 classification. This research used 120 RSS images as training dataset and 60 RSS images as testing dataset with an accuracy value of 89% and the best perform epoch in fifteenth epoch. Keyword : image processing, ribbed smoked sheet, learning vector quantization

9 ix DAFTAR ISI Halaman PERSETUJUAN iii PERNYATAAN iv UCAPAN TERIMA KASIH v ABSTRAK vii ABSTRACT viii DAFTAR ISI ix DAFTAR GAMBAR xi DAFTAR TABEL xii BAB 1 PENDAHULUAN 1.1 Latar Belakang Rumusan Masalah Batasan Masalah Tujuan Penelitian Manfaat Penelitian Metodologi Penelitian Sistematika Penulisan 5 BAB 2 LANDASAN TEORI 2.1 Karet Ribbed Smoked Sheet (RSS) Pengolahan Citra Ekstraksi Fitur Metode Zoning Learning Vector Quantization Penelitian Terdahulu 18 BAB 3 ANALISIS DAN PERANCANGAN 3.1 Data Yang Digunakan Analisis Aplikasi Input Citra RSS Preprocessing 23

10 x Resizing Grayscale Thresholding Ekstraksi Fitur Zoning Klasifikasi Learning Vector Quantization Proses Pelatihan Proses Pengujian Rancangan Tampilan Antarmuka Rancangan Halaman Utama Rancangan Halaman Proses Data Latih Rancangan Halaman Proses Data Uji 42 BAB 4 IMPLEMENTASI DAN PENGUJIAN 4.1 Kebutuhan Aplikasi Perangkat Keras Perangkat Lunak Implementasi Perancangan Antarmuka Halaman Utama Halaman Data Latih Halaman Data Uji Pengujian Kinerja Aplikasi Pelatihan Citra Pengujian Citra 50 BAB 5 KESIMPULAN DAN SARAN 5.1 Kesimpulan Saran 55 DAFTAR PUSTAKA 56 LAMPIRAN 58

11 xi DAFTAR GAMBAR Halaman Gambar 2.1 Karet RSS 6 Gambar 2.2 Arsitektur Jaringan LVQ 15 Gambar 3.1 Karet RSS1 dan RSS3 21 Gambar 3.2 Arsitektur Umum 22 Gambar 3.3 Citra RSS Resize 24 Gambar 3.4 Representasi Piksel Karet RSS 24 Gambar 3.5 Citra 9 (3x3) Piksel 25 Gambar 3.6 Nilai Grayscale pada setiap Piksel 26 Gambar 3.7 Proses Citra Grayscale 26 Gambar 3.8 Nilai Threshold Citra Karet 9 Piksel 28 Gambar 3.9 Proses citra Threshold 29 Gambar 3.10 Hasil Zoning Citra 30 Gambar 3.11 Nilai Ekstraksi Fitur Zoning 31 Gambar 3.12 Arsitektur Learning Vector Quantization 32 Gambar 3.13 Pseudocode Penerapan Algoritma LVQ 33 Gambar 3.14 Flowchart Proses Pengujian 39 Gambar 3.15 Rancangan Halaman Utama Klasifikasi Karet 40 Gambar 3.16 Tampilan Halaman Data Latih 41 Gambar 3.17 Tampilan Halaman Proses Data Uji 42 Gambar 4.1 Tampilan Halaman Utama 44 Gambar 4.2 Tampilan Halaman Data Latih 45 Gambar 4.3 Tampilan Halaman Proses Data Latih 45 Gambar 4.4 Tampilan Halaman Data Uji 46 Gambar 4.5 Tampilan Halaman proses Data Uji 47 Gambar 4.6 Tampilan Saat Tombol Cari File dipilih 46 Gambar 4.7 Tampilan Utama Aplikasi Setelah Citra Sperma dipilih 46 Gambar 4.8 Tampilan Aplikasi Setelah Citra diproses 47

12 xii DAFTAR TABEL Halaman Tabel 2.1 Syarat Kelas Mutu Visual RSS 7 Tabel 2.2 Penelitian Terdahulu 20 Tabel 3.1 Data Vektor Input 34 Tabel 3.2 Tabel Nilai Input Pelatihan 35 Tabel 3.3 Nilai Bobot Pelatihan 35 Tabel 3.4 Nilai Bobot Pertama Baru 36 Tabel 3.5 Nilai Bobot Kedua Baru 37 Tabel 3.6 Hasil Perhitungan Data Latih 38 Tabel 3.7 Nilai Bobot Data Uji 39 Tabel 4.1 Rencana Pengujian Kinerja Aplikasi 47 Tabel 4.2 Hasil Pengujian Kinerja Aplikasi 48 Tabel 4.3 Parameter Pelatihan citra Karet RSS 50 Tabel 4.4 Hasil Uji Citra Karet 50 Tabel 4.5 Hasil Validasi Akurasi 53