IDENTIFIKASI VARIETAS UNGGUL KEDELAI BERDASARKAN WARNA DENGAN FUZZY CLUSTER MEANS. Oleh: Dwi Lastomo

Transkripsi

1 IDENTIFIKASI VARIETAS UNGGUL KEDELAI BERDASARKAN WARNA DENGAN FUZZY CLUSTER MEANS Oleh: Dwi Lastomo

2 Menu TugasAkhir BAB I PENDAHULUAN BAB II TINJAUAN PUSTAKA BAB III METODOLOGI PERCOBAAN BAB IV ANALISIS DATA & PEMBAHASAN BAB V KESIMPULAN & SARAN

3 BAB I Pendahuluan 1.1. LATAR BELAKANG 2. RUMUSAN MASALAH 1.3. BATASAN MASALAH PENDAHULUAN 1.4. TUJUAN 1.5. MANFAAT

4 LatarBelakang TeknikMemilahBerdasarWarna: 1. SORTIR Manual 2. SORTIR Alat Mekatronik 3. Klaster K-Means 4. Jaringan Syaraf Tiruan 5. FUZZY CLUSTER MEANS 1. Kedelai Komodoti yang Penting 2. Kesulitan memilah bibit yang baik BIBIT yang baik

5 Rumusan Masalah Memperoleh klaster biji kedelai melalui Metode FCM Batasan Masalah Metode FCM ToolBox Matlab Data Hardare Tujuan Memperoleh klaster biji kedelai melaui metode FCM, hasilnya dibandingkan dengan metode JST Manfaat Mendapatakanklasteroptimum untuk memilah varietas unggul kedelai

6 BAB II TINJAUAN PUATAKA KEDELAI KLASTER FUZZY FUZZY CLUSTER MEANS (FCM) CAHAYA, WARNA, & RGB

7 KEDELAI Klasifikasi ilmiah Kerajaan : Plantae Filum : Magnoliophyta Kelas : Magnoliopsida Ordo : Fabales Famili : Fabaceae Upafamili : Faboideae Genus : Glycine(L.) Merr. Spesies: Glycine max Glycine soja

8 BAHAN MAKANAN PROTEIN (% BERAT) Susu skim kering 36,00 Kedelai 35,00 Kacanghijau 22,00 Daging 19,00 Ikan segar 17,00 Telur ayam 13,00 Jagung 9,20 Beras 6,80 Tepung singkong 1,10 Kandunagan Kedelai KADAR (%) Protein Lemak Karbohidrat Air 7 Nama bahan Makanan Harga/kg kacang kedelai 8000 kacang hijau telur ayam daging sapi daging ayam

9 Tabel 2.1 Deskripsi Beberapa Varietas Unggul Kedela Varietas Warna Kulit Biji Warna Hilum Bobot 100 Biji Anjasmoro Kuning Kuning Kecoklatan 14,8 15,3 g Argomulyo Kuning Coklat 14,8 15,3 g Argopuro Kuning Coklat muda 15,75 g Panderman Kuning Muda Coklat tua g

10 Nama Varietas Tahun Tabel2.2. Umur Masak Kadar Kadar Minyak Potensi Hasil (ton/ha) KarakteristikVarietasUnggul Dilepas (hari) Protein (%) (%) Agromulyo ,4 20,8 2,00 Anjasmoro ,1 18,6 2,25 Panderman ,9 17,7 2,37

11 2.2. Klaster Metodeantaralain: 1. Hard C-Means Clustering (biasa disebut K-means) 2. Fuzzy C-means Clustering 3. Mountain Clustering 4. Subtractive Clustering

12 FUZZY Fuzzy adalah salah satu dari kecerdasan buatan untuk mendefinisikandari bahasa lingustik menjadi numerik. Logika ini banyak digunakan untuk menentukan hal-hal yang bersifat abstrak menjadi terukur, tentunya dengan parameter-parameter yang telah ditentukan sebelumnya

13 FUZZY CLUSTER MEANS

14 CAHAYA, WARNA, DAN RGB Proses penguraian Cahaya Putih oleh Prisma Teori Cahaya: 1. Abu Ali Hasan Ibn Al- Haitham (965 sekitar 1040) 2. Isaac Newton 1675(teori Partikel) 3. Christiaan Huygens abad ke-17 (teorigelombang) 4. Faraday 1845 (TeoriEM ) 5. Max Planckabad ke-19 (teori Kuantum) 6. Albert Einstein abad 20 (dualisme partikel gelombang) SUMBER CAHAYA

15 Color Red Orange Yellow Green Blue Indigo Violet Wavelength Sample 700nm 650nm 600nm 550nm 500nm 450nm 400nm Cahaya yang dapat ditangkap indera manusia mempunyai panjang gelombang 380 sampai 780 nanometer.

16 = i i i i i i B G R Z Y X

17 BAB III METODOLOGI PENELITIAN Studi Literatur dan Pengenalan Software Matlab 7.0 Pengumpulan Data Pengolahan Data dengan JST Matlab 6.5 Pengolahan Data dengan FCM ToolBox Matlab 7.0 Komparasi Hasil

18 BAB IV ANALISIS DATA DAN PEMBAHASAN Sampel Data dari Variasi Pengambilan Data dengan Lampu Halogen pada Kotak Hitam Varietas R G B Anjasmoro Anjasmoro Anjasmoro Anjasmoro Anjasmoro Argomulyo Argomulyo Argomulyo Argomulyo Argomulyo Argopuro Argopuro Argopuro Argopuro Argopuro Panderman Panderman Panderman Panderman Panderman

19 Plot data VektorRGB 1 Plot Data Normalisasi Vektor R Anggota Data

20 Plot PusatKLASTER 0.74 plot Center of Cluster Vektor R Anggota Data

21 PLOT DATA DAN PUSAT KLASTER 1 Plot Data Normalisasi dan Center of Cluster Vektor R DAta anggota

22 PLOT DERAJAT KEANGGOTAAN TIAP DATA derajat keanggotaan cluster1 cluster2 cluster3 cluster4 derajat keanggotaan data ke

23 Tabel4.2. PusatKlaster Varietas X Y Argopuro Panderman Argomulyo Anjasmoro

24 Tabel4.3. JarakdanStandarDeviasi Pusat Klaster Jarak Standar Varietas X Y Rata-rata Deviasi Anjasmoro Argomulyo Argopuro Panderman

25 Error Fuzzy dankeanggotaanobjek Halogen Coklat Pijar Coklat Halogen Coklat (St.Dev+ jarak No sample Anggota (St.Dev+ jarak Rata- No sample Anggota (St.Dev + No sample Anggota Varietas Rata0rata) Klaster error rata) Klaster error jarak Rata-rata) Klaster error Anjasmoro nomor % nomor % nomor % Argomulyo nomor % nomor % nomor % Argopuro nomor % nomor % nomor % Panderman nomor % nomor % nomor %

26 Tabel Hasil Pelatihan untuk Pengenalan Anjasmoro No. Data Pelatihan Jaringan Epoch MSE E E E E E-06

27 Hasil Pengujian Anjasmoro dari Jaringan pada Tabel sebelumnya No. Jumlah Data Validasi Jaringan RMSE

28 4.3. Pembahasan Perbedaan nilai RGB untuk tiap variasi cara pengambilan data DerajatkeanggotaanvekotRBG mengikuti logika Fuzzy Nilai Pusat Klaster selalu berada di tengah-tengah kelas Error 25% dan30% Berdasarkan nilai error Fuzzy lebih konsisten daripada JST, JST lebih akurat

29 BAB V KESIMPULAN & SARAN FCM dapat mengelompokkan tanpa memasukkan data ke dalam dua klaster(sesuai derajat keanngoaan dalam fuzzy) FCM dapat mengelompokkan kedelai sesuai varietasnya KESIMPULAN Nilai error dala identifikasifcm 25%-30% JST lebihakurat, FCM lebih konsisten Dilakukan penelitian dengan perpaduan metode ini, yaitu neoro fuzzy SARAN

30