PENERAPAN NEURAL NETWORK BACKPROPAGATION UNTUK KLASIFIKASI JAMUR PENYEBAB PENYAKIT ANTRAKNOSA PADA CABAI SKRIPSI NABILA PINDYA

Transkripsi

1 PENERAPAN NEURAL NETWORK BACKPROPAGATION UNTUK KLASIFIKASI JAMUR PENYEBAB PENYAKIT ANTRAKNOSA PADA CABAI SKRIPSI NABILA PINDYA PROGRAM STUDI S1 TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2016

2 PENERAPAN NEURAL NETWORK BACKPROPAGATION UNTUK KLASIFIKASI JAMUR PENYEBAB PENYAKIT ANTRAKNOSA PADA CABAI SKRIPSI Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Teknologi Informasi NABILA PINDYA PROGRAM STUDI S1 TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2016

3 ii PERSETUJUAN Judul : PENERAPAN NEURAL NETWORK BACKPROPAGATION UNTUK KLASIFIKASI JAMUR PENYEBAB PENYAKIT ANTRAKNOSA PADA CABAI Kategori : SKRIPSI Nama : NABILA PINDYA 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 Sarah Purnamawati ST., M.Sc. Prof. Dr. Opim Salim Sitompul M.Sc. NIP NIP Diketahui/disetujui oleh Program Studi S1 Teknologi Informasi Ketua, Muhammad Anggia Muchtar, ST., MM.IT NIP

4 iii PERNYATAAN PENERAPAN NEURAL NETWORK BACKPROPAGATION UNTUK KLASIFIKASI JAMUR PENYEBAB PENYAKIT ANTRAKNOSA PADA CABAI SKRIPSI Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya. Medan, 25 Agustus 2016 Nabila Pindya

5 iv 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 Teknologi Informasi Fakultas Ilmu Komputer dan Teknologi Informasi. Ucapan terima kasih penulis sampaikan kepada: 1. Bapak Prof. Dr. Runtung Sitepu, SH, M.Hum selaku Rektor Universitas Sumatera Utara. 2. Bapak Prof. Dr. Opim Salim Sitompul, M.Sc selaku Dekan Fasilkom-TI USU dan Dosen Pembimbing I yang telah memberikan bimbingan dan saran kepada penulis.. 3. Bapak Muhammad Anggia Muchtar, ST., MM.IT selaku Ketua Program Studi S1 Teknologi Informasi. 4. Ibu Sarah Purnamawati ST., M.Sc. selaku Dosen Pembimbing II yang telah memberikan bimbingan dan saran kepada penulis. 5. Bapak Dani Gunawan, ST., MT., selaku Dosen Pembanding I yang telah memberikan kritik dan saran dalam penyempurnaan skripsi ini. 6. Bapak Ainul Hizriadi S.Kom., M.Sc., selaku Dosen Pembanding II yang telah memberikan kritik dan saran dalam penyempurnaan skripsi ini. 7. Ayahanda Drs. Nursal, M.Si dan Ibunda Dra. Yanetta Boerma yang selalu memberikan doa, kasih sayang dan dukungan kepada penulis. 8. Adik tercinta Sutan Farhan Pratasa yang selalu mendukung dan mendoakan penulis. 9. Teman teman yang selalu memberi semangat dan dukungan, Gina Radiana, Nindya Caesy Aidita dan Eni Riezki. 10. Teman sepermainan Wacana Skripsi, Tifani Zatalini FY, Ossie Zarina Prayitno, Rina Bahri, Nurul Fatihah, Hanafiah Ismed, Bang Kira, serta seluruh temanteman angkatan 2011 dan mahasiswa Teknologi informasi yang lainnya, semoga Allah SWT membalas kebaikan kalian.

6 v 11. 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, 25 Agustus 2016 Penulis

7 vi ABSTRAK Cabai merupakan salah satu tanaman yang banyak digunakan dalam kehidupan masyarakat Indonesia. Cabai juga berperan penting dalam perekonomian Indonesia karena kegunaannya dalam industri makanan dan obat-obatan. Untuk itu tanaman cabai banyak dibudidayakan oleh petani, tetapi usaha tersebut belum maksimal dikarenakan banyak petani yang kurang paham pada cara budidaya tersebut, sehingga tanaman cabai sering terserang berbagai penyakit, salah satunya penyakit Antrakanosa yang disebabkan jamur. Oleh sebab itu, dibutuhkan sebuah sistem aplikasi yang dapat mengklasifikasi jenis jamur penyebab penyakit pada tanaman cabai agar lebih efektif dan efisien. Pada penelitian ini, jaringan saraf tiruan backpropagation digunakan sebagai metode klasifikasi jamur penyebab penyakit pada tanaman cabai. Tahap yang harus dilakukan sebelum masuk ke tahap klasifikasi adalah pre-processing citra, seperti image brightness, contrast, dan sharpening, dan ekstraksi fitur menggunakan HSV. Penelitian menggunakan 90 citra sebagai data latih dan 60 citra sebagai data uji dengan tingkat akurasi sebesar 90%. Keyword: jaringan saraf tiruan backpropagation; HSV; pengolahan citra; klasifikasi jamur.

8 vii NEURAL NETWORK BACK PROPAGATION FOR FUNGI CLASSIFICATION THAT CAUSE ANTHRACNOSE DISEASES IN CHILI ABSTRACT Chili is one of the plants which often be used in daily life of Indonesian. Chilis also has important roles in Indonesian economic growth due to its usefulness in both food and drugs industries. Therefore chili is planted by many Indoenesian farmers, but the result has not been maximized since the farmers are lack of the knowledges in planting causing the plants often become infected. One of the infections is Antraknoza that caused by fungi. Therefore, there is a need for an application that able to classify the fungi which caused the infection so it can be more efficient and effectively identified. In this research, backpropagation neural network was used as the method to classify the fungi that caused the chili s infection. The stage taken before classification process started are Image pre-processing such brightness, contrast and sharpening, then feature extraction using HSV. Under current research, 90 images were used in the training process while the other 30 were used in the testing with accuracy rate at 90%. Keyword: backpropagation neural network; HSV; image processing; identification; antraknoza.

9 viii DAFTAR ISI Hal. Persetujuan ii Pernyataan iii Ucapan Terimakasih iv Abstrak vi Abstract vii Daftar Isi viii Daftar Tabel xi Daftar Gambar xii Daftar Lampiran xiii BAB 1 PENDAHULUAN Latar Belakang Rumusan Masalah Batasan Masalah Tujuan Penelitian Manfaat Penelitian Metodologi Penelitian Sistematika Penulisan 5 BAB 2 LANDASAN TEORI Pengenalan Cabai Antraknosa (Pathek) Colletrotichum capsici Gloeosporium piperatum Pengenalan Citra Citra warna (color image) Pengolahan Citra Digital Image Enhancement Image Brightness Contrast Stretching 9

10 ix Image Sharpening Feature Extraction Deteksi Warna HSV Neural Network (Jaringan Saraf Tiruan) Metode Backpropagation Penelitian Terdahulu 17 BAB 3 ANALISIS DAN PERANCANGAN Arsitektur Umum Image Enhancement Image Brightness Contrast Stretching Image Sharpening Feature Extraction HSV Klasifikasi Neural Network Backpropogation Tahap perancangan arsitektur jaringan saraf tiruan backpropagation Tahap pelatihan backpropagation Tahap pengujian backpropagation Perancangan Sistem Perancangan Antarmuka Rancangan Halaman Awal Rancangan Halaman Pengujian 39 BAB 4 IMPLEMENTASI DAN PENGUJIAN Implementasi Sistem Spesifikasi perangkat keras dan perangkat lunak Implementasi perancangan antarmuka sistem Pelatihan Citra Prosedur Operasional Prosedur operasional pada halaman pelatihan citra Prosedur operasional pada halaman pengujian citra Pengujian Citra Pengujian Sistem 47

11 x BAB 5 KESIMPULAN DAN SARAN Kesimpulan Saran 50 DAFTAR PUSTAKA 51

12 xi DAFTAR TABEL Hal. Tabel 2.1. Penelitian terdahulu 17 Tabel 3.1. Nilai piksel RGB citra cabai yang dinormalisasi 25 Tabel 3.2. Nilai Piksel HSV 26 Tabel 3.3. Kuantisasi Ruang Warna dari Histogram HSV-162 Bin 27 Tabel 3.4. Target Keluaran Jaringan Backpropogation 30 Tabel 3.5. Input dan Target 33 Tabel 3.6. Bobot Awal V ji 34 Tabel 3.7. Bobot Awal Wkj 34 Tabel 3.8. Data uji 37 Tabel 3.9. Bobot Vkj baru 37 Tabel Bobot Wkj baru 37 Tabel 4.1. Hasil Pelatihan Citra 42 Tabel 4.2. Hasil Pengujian Citra 45 Tabel 4.3. Data uji 46 Tabel 4.4. Bobot Vkj 46 Tabel 4.5. Bobot Wkj 46

13 xii DAFTAR GAMBAR Hal. Gambar 2.1. Cabai yang terkena Colletrotichum Capsici 7 Gambar 2.2. Cabai yang terkena Gloeosporium Piperatum 7 Gambar 2.3. Model Warna HSV (Rakhmawati, 2013) 11 Gambar 2.4. Pola jaringan syaraf tiruan (Hermawan, 2006) 13 Gambar 2.5. Arsitektur Backpropagation Algorithm (Fausset, 1994) 14 Gambar 3.1. Arsitektur umum 20 Gambar 3.2. Proses pre-processing 21 Gambar 3.3. Hasil image brightness dan contrast 22 Gambar 3.4. Hasil image sharpening 22 Gambar 3.5. Proses feature extraction 22 Gambar 3.6. Representasi piksel citra cabai 23 Gambar 3.7. Citra cabai 25 (5x5piksel) 23 Gambar 3.8. Proses classification 30 Gambar 3.9. Arsitektur jaringan saraf tiruan 31 Gambar Proses pelatihan jaringan backpropagation 32 Gambar Rancangan halaman awal 39 Gambar Rancangan halaman pengujian citra 39 Gambar 4.1. Tampilan halaman pengujian setelah selesai dilakukan 44 pengujian

14 xiii DAFTAR LAMPIRAN Lampiran 1. Hasil pelatihan citra 54 Lampiran 2. Hasil pengujian citra 64 Hal.