JIRE (Jurnal Informatika & Rekayasa Elektronik.
http://e-journal.
id/index.
php/jire Volume 4.
No 1.
April 2021
IMPLEMENTASI METODE K-NEAREST NEIGHBOR UNTUK PENGENALAN
BUAH MURBEI DENGAN KORELASI KANDUNGAN ANTOSIANIN
Fredy Windana1.
Anitarakhmi Handaratri2.
Mohammad Taufan Asri Zaen3 1Program Studi Teknik Informatika.
STT STIKMA Internasional 2Program Studi Teknik Kimia.
Institut Teknologi Nasional Malang 3Program Studi Sistem Informasi.
STMIK Lombok 1Jln.
Simpang Sulfat Utara No.
Pandanwangi.
Blimbing.
Malang 2Jln.
Bendungan Sigura-gura No.
2 Malang 3Jln.
Basuki Rahmat No.
105 Praya.
Lomboh Tengah - 83511 1fredywindana82@gmail.
com, 2 anitarakhmi@lecturer.
id, 3opanzain@gmail.
Abstract Mulberry fruit is a fruit that contains anthocyanins as antioxidants.
This anthocyanin content can be obtained by chemically extracting it.
However, a replacement mechanism is needed when find out the content of anthocyanins substances without chemical extraction.
This mechanism can take advantage of digital image processing for feature extraction of digital images of mulberry fruit.
In this research, introduction a mulberry fruit test was carried out with the correlation of information on anthocyanin content with the KNearest Neighbor (KNN) classification method.
The feature extraction used was the HSV color and the LBP texture, each of feature looked for the value of .
mean, .
deviation, .
skewness and .
The results of the KNN test showed K = 3 the accuracy for the HSV feature is 53.
3%, the LBP feature is 13.
3% and the combination of HSV and LBP is 66.
Keywords : HSV.
LBP.
KNN.
Mulberry Fruit.
Anthocyanins Abstrak Morus alba merupakan buah yang mempunyai kandungan zat antosianin sebagai zat antioksidan.
Kandungan antosianin ini bisa didapat dengan melakukan ekstrak secara kimiawi.
Namun saat ingin mengetahui kandungan zat antosinain tanpa melakukan ekstraksi kimiawi maka diperlukan mekanisme Mekanisme tersebut dapat memanfaatkan digital image processing terhadap ekstraksi ciri citra digital buah murbei.
Penelitian ini dilakukan uji pengenalan buah murbei dengan korelasi informasi kandungan zat antosianin dengan metode klasifikasi K-Nearest Neighbor (KNN).
Ektraksi ciri yang dimanfaatkan adalah warna Hue Saturation Value (HSV)dan tekstur Local Binary Pattern (LBP) yang mana masing-masing dicari nilai .
mean, .
standar deviasi, .
skewness, dan .
Hasil pengujian KNN memperlihatkan K=3 akurasi untuk fitur HSV sebesar 53,3%, fitur LBP 13,3% dan kombinasi HSV dan LBP sebesar 66,7%.
Kata kunci : HSV.
LBP.
KNN.
Buah Murbei.
Antosianin
PENDAHULUAN
Buah Murbei atau dalam bahasa latinnya morus alba merupakan salah satu tanaman yang banyak diolah sebagai pakan ternak ulat sutra pada bagian daunnya.
Kemudian pada bagian buah tanaman ini tidak banyak digunakan yang ISSN.
2620-6900 (Onlin.
2620-6897 (Ceta.
mana memiliki pigmen antosianin yang umum sebagai antioksidan dengan nilai cukup tinggi.
Secara kimiawi kandungan zat antosianin dapat diperoleh dengan metode salah satunya sonikasi.
Metode tersebut pada pelakuan proses kimiawi menunjukan adanya hasil lebih singkat dari pada proses ekstraksi konvensional.
Proses ekstraksi JIRE (Jurnal Informatika & Rekayasa Elektronik.
http://e-journal.
id/index.
php/jire dengan sonikasi ini dipengaruhi oleh pH, suhu dan waktu pemanasan .
Dalam proses untuk mencari banyaknya kandungan zat antosianin perlu mengetahui ciri tertentu pada buah murbei.
Ciri yang tampak oleh penglihatan langsung adalah warna.
Buah murbei memiliki warna tampak merah unggu ampak merah ungu yang berbeda tingkat bergantung pada usia pembuahan, intensitas matahari yang diterima, nutrisi, dan sebagainya.
Buah murbei yang warnanya tampak langsung oleh penglihatan manusia dapat diketahui kandungan zat antosianin dengan melakukan ekstraksi secara kimiawi.
Proses ekstraksi secara kimiawi tersebut merupakan perlakukan langsung untuk mengetahui kandungan zat Namun proses tersebut akan berbeda jika sesesorang yang sering berhubungan sistem otomatisasi atau komputerisasi ingin mengetahui kandungan zat antosianin tanpa melalui kimiawi maka perlu mekanisme pengganti saat proses Mekanisme untuk pengganti proses tersebut solusinya dapat dibantu dengan memanfaatkan pengolahan citra digital.
Mekanisme dalam pengolahan citra digital dapat memanfaatkan ciri dalam hal ini fitur ciri pada citra buah murbei sebagai input proses pengenalan buah murbei beserta korelasi kandungan zat antonsianin.
Fitur ciri tersebut dapat menggunakan ruang warna Hue.
Saturation, dan Value (HSV) yang memiliki toleransi terhadap perubahan intensitas cahaya.
dan ciri Local Binary Pattern (LBP) sebagai karakteistik tekstur permukaan.
Kemudian menggunakan K-Nearest Neigbor (KNN).
Metode KNN tersebut sebagai pengenalan objek berdasarkan klasifikasi hasil nilai jarak terdekat antara data training dengan data uji .
Dalam penelitian ini pengenalan buah murbei beserta korelasi kandungan zat antosianin Metode KNN berdasarkan ektraksi ciri warna HSV dan tekstur LBP dibangun dengan memanfaatkan perangkat lunak dan basisdata yang sudah ada.
Perangkat lunak tersebut adalah pustaka image processing OpenCV.
Pemrograman QT berbasis C , dan basis data mengunakan SQLite.
Volume 4.
No 1.
April 2021 penglihatan manusia yang bersifat subyektif sehingga mengusulkan menggunakan K-Nearest Neighbor untuk mengklasifikasi kematangan jeruk nipis berdasarkan fitur ciri mean RGB dan hasil diperoleh akurasi terbaik pada k=7 dan k=3 sebesar 92% dengan distance measure euclidean distance sedangkan pada k=3 dan k=1 dengan distance measure cityblock distance akurasi sebesar 88%.
Metode K-NN yang diterapkan dalam sistem klasifikasi kematangan mangga berdasarkan warna HSV didapatkan akurasi pengujian ratarata 55 % dengan jarak antara k=1-10.
Kemudian implementasi klasifikasi KNN untuk karakter tulisan aksara jawa berdasarkan ekstraksi ciri LBP memperoleh performa tertinggi pada K=3 pada parameter .
dengan akurasi sebesar 82.
5% menggunakan sejumlah 80 citra latih dan 40 citra uji .
Sedangkan mengusulkan penerapan metode K-Nearest Neighbor pada pengenalan buah murbei berdasarkan feature extraction ruang warna HSV dan tekstur Local Binary Pattern (LBP) dengan korelasi kandungan zat antosianin.
Hasil nilai ekstraksi ciri ruang warna HSV dan LBP dilakukan perhitungan mean, standar deviasi, skewness, dan kurtosis.
Metode Ekstraksi Ciri HSV Ruang warna HSV didefiniskan sebagai representasi kanal warna Hue.
Saturation, dan Value.
HSV mempunyai representasi 3 karakteristik yaitu warna sebenarnya, kekuatan warna dan kecerahan warna dan Warna HSV diperoleh dengan melakukan konversi warna Red.
Green, dan Blue.
Dalam hasil perhitungan representasi Hue dalam nilai skala .
Saturation dan Value dalam nilai skala .
Dalam penerapannya pada seperti pada framework seperti pustaka image processing OpenCV nilai Hue dalam skala .
sedangkan saturation dan value dalam skala .
, skala nilai tersebut dalam data citra format 8 bit .
Ekstraksi ciri ruang warna HSV yang digunakan dalam input pengenalan buah murbei adalah mean, standar deviasi, skewness, dan kurtosis dari nilai HSV.
TINJAUAN PUSTAKA DAN TEORI
Penelitian Terkait Metode Ekstraksi Ciri LBP Pengenalan obyek dengan menggunakan pengolahan citra digital dengan metode klasifikasi KNN berdasarkan beberapa ekstraksi ciri telah banyak dilakukan.
Penelitian yang mengangkat permasalah kelemahan penilaian kematangan jeruk nipis dari LBP atau Local binary Pattern didefiniskan suatu ukuran tekstur grayscale .
LBP
menggunakan operator yang bekerja dalam delapan piksel tetangga dan melakukan operasi threshold dalam bentuk binary kemudian dikonversi dalam bentuk desimal.
Operasi LBP ISSN.
2620-6900 (Onlin.
2620-6897 (Ceta.
JIRE (Jurnal Informatika & Rekayasa Elektronik.
http://e-journal.
id/index.
php/jire dilakukan dengan mengubah warna RGB menjadi grayscale kemudian dilakukan perhitungan LBP.
Volume 4.
No 1.
April 2021 D(A,B)=Oo Oc Dimana.
D = jarak xi = nilai data latih ke i yi = nilai data uji ke i i = index array m = ukuran array nilai data Metode Pengujian Akurasi Pengukuran besaran akurasi yang berhasil dicapai dapat dihitung melalui persamaan berikut.
Akurasi = Gambar 1.
Proses LBP Hasil ekstraksi ciri LBP yang digunakan dalam input pengenalan buah murbei adalah perhitungan mean, standar deviasi, skewness, dan kurtosis dari nilai Local Binary Pattern.
Metode Klasifikasi KNN Metode klasifikasi K-Nearest Neighbor merupakan metode yang membandingkan fitur ciri citra latih dan ciri citra uji dengan nilai K tertentu.
Secara dasar operasi dalam KNN menghitung jarak antara citra uji dan citra lating dengan distance measure tertentu.
Salah satu distance measure menggunakan Euclidean Distance dan secara tahapan pada KNN sebagai berikut .
Tentukan K .
Lakukan perhitungan distance measure antara data latih dan data uji .
Urutkan kemudian definisikan jarak dari ketetanggaan terdekat berdasarkan nilai K sebagai acuan jarak .
Klasifikasikan citra uji ke dalam kelas yang Metode Distance Measure Distance measure yang digunakan dalam operasi K-NN salah satunya adalah euclidean Diketahui A = .
1, x2, .
,x.
dan B = .
1,y2,.
,y.
berikut rumus euclidean distance .
Oc Ekstraksi Kimiawi Zat Antosianin Buah Murbei segar dipetik langsung dari pohonnya lalu dihancurkan dengan blender hingga halus menggunakan kecepatan sedang dalam waktu 2 menit dan dicampurkan pada larutan airasam sitrat 3%.
Perbandingan larutan asam sitrat dan bahan Murbei yang digunakan adalah 1:7 .
Ekstraksi antosianin dilakukan dengan bantuan sonikasi selama 5 Total kandungan antosianin ditentukan dengan menggunakan metode diferensial pH dengan pH meter digital yang terkalibrasi.
Perbedaan pH yang digunakan yaitu pH 1,0 ketika antosianin berbentuk senyawa oxonium dan berbentuk karbinol tak berwarna pada pH 4,5.
Caranya dengan mencampurkan larutan antosianin dalam buffer pH 1 dan pH 4,5 untuk kemudian diukur absorbansinya .
Langkah pengujian : 1 mL sampel .
diencerkan sampai 10 mL dengan menggunakan larutan buffer pH 1.
perlakuan yang sama untuk sampel dengan buffer pH4,5.
Absorbansi tiap sampel diukur pada maks dan 700 nm.
Dihitung absorbansi sampel dengan rumus .
A = (A 510AeA 700 n.
pH 1,0 Ae (A 510AeA 700 n.
pH 4,5.
Dan perhitungan antosianin :
Kadar antosianin= D(A,B)=oc Bentuk nomalisasi euclidean dengan sebagai berikut .
ISSN.
2620-6900 (Onlin.
2620-6897 (Ceta.
x100% .
Oc Vlarutan.
L) W.
Analisa data yang digunakan adalah secara statistik hasil pengulangan pengambilan sampel ekstraksi yang diikuti dengan pengulangan uji kadar antosianin.
JIRE (Jurnal Informatika & Rekayasa Elektronik.
http://e-journal.
id/index.
php/jire METODOLOGI PENELITIAN Alur Klasifikasi yang diteliti Pada gambar 2 alur klasifikasi yang diteliti menggambarkan proses tahapan dari penelitian yang dilakukan dalam bagian membangun perangkat lunak untuk uji coba pengenalan buah Mulai Buah Murbei Volume 4.
No 1.
April 2021 kandungan zat antosianin.
Kelima, setiap data citra digital yang telah direkam diberi label data yang berkaitan dengan sebagai citra latih atau uji dan khusus tiap citra latih diberi label grup sampel data latih.
Desain Basis Data Aplikasi yang dibangun dengan QT memanfaatkan basis data berbasis SQLite untuk read dan write data pengujian pengenalan buah murbei dibuat dalam beberapa tabel dalam satu berkas basis data.
Berkas basis data diakses secara lokal.
Desain tabel pada berkas basis data sebagai berikut:
Tabel akuisisi TABEL 1.
TABEL AKUISISI
Nama Field Tipe data Integer Imagename Text Path Text Tabel ekstraksi ciri HSV TABEL 2.
TABEL EKSTRAKSI CIRI HSV
Nama Field Tipe data Integer Integer Real Real Real Real Real Real Real Real Real Real Real Real Tabel Ekstraksi Ciri LBP TABEL 3.
TABEL EKSTRAKSI CIRI LBP
Nama Field Tipe data Integer Text Real Real Real Real Tabel antosianin TABEL 4.
TABEL ANTOSIANIN
Nama Field Tipe data Integer Integer Real Akuisisi citra digital dari buah murbei untuk sampel Preprocessing Citra dengan crop dan resize citra Ekstraksi Ciri Fitur HSV dan LBP dari scitra digital buah murbei Memasukkan informasi kandungan zat antosianin Label data citra sebagai citra uji atau latih Pengenalan Buah Murbei dengan K-NN beserta korelasi kandungan zat antosinain Selesai Gambar 2.
Alur Klasifikasi yang diteliti Pertama, buah murbei yang telah didapatkan dilakukan proses akuisisi unutk mendapatkan citra digital buah murbei.
Kedua, citra digital yang telah didapatkan dilakukan praproses terhadap citra sebelum dilakukan ektraksi ciri.
Ketiga, buah murbei dilakukan ektraksi ciri dengan memanfaatkan warna HSV dan tekstur LBP.
Kemudian keempat masing-masing data murbei diberi data tambahan untuk infomasi ISSN.
2620-6900 (Onlin.
2620-6897 (Ceta.
JIRE (Jurnal Informatika & Rekayasa Elektronik.
http://e-journal.
id/index.
php/jire Tabel Label Grup Data TABEL 5.
TABEL LABEL GRUP DATA
Nama Field Tipe data Integer Integer Text Text Text Tabel Temporary proses uji TABEL 6.
TABEL TEMPORARY PROSES UJI
Nama Field Tipe data Integer Real Integer Kelas Text Text Text Tabel Uji KNN TABEL 7.
TABEL UJI KNN
Nama Field Tipe data Text Text Text Text Integer Text Real Text Text Volume 4.
No 1.
April 2021 Tahapan Praproses Bagian ini citra buah murbei dilakukan crop dan resize citra dalam ukuran 640x480 atau 480x640 menggunakan software XnView dan dalam prosesnya menyesuaikan citra hasil penggambilan gambar melalui kamera digital Gambar 3.
citra murbei Tahapan akuisisi data melalui aplikasi Pada tahapan ini akuisisi citra dalam aplikasi yang dibangun dilakukan penyimpanan citra kedalam basisdata SQLite.
Tahapan ini merupakan tahapan awal dalam panggunaan aplikasi pengenalan buah murbei.
Tahapan Akuisisi awal Citra Buah Murbei Bagian ini buah murbei direkam dengan kamera DSLR FUJIFILM dengan jarak tertentu sekitar 10 Ae 20 cm.
Gambar 5.
Akuisisi citra ke aplikasi Tahapan Ekstraksi Ciri Gambar 4.
Properties dari file citra digital ISSN.
2620-6900 (Onlin.
2620-6897 (Ceta.
Pada tahapan ini citra digital yang telah disimpan dalam sebelumnya dilakukan ekstraksi ciri komponen Mean.
Standar Deviasi.
Skewness dan Kurtosis dari warna HSV dan tekstur LBP.
Data ekstraksi disimpan terpisah secara tabel.
Tabel ektraksi sedemikian rupa juga dipisah antara ektraksi ciri HSV dan LBP.
JIRE (Jurnal Informatika & Rekayasa Elektronik.
http://e-journal.
id/index.
php/jire Gambar 6.
Proses ekstraksi cirri Pada gambar 6 tersebut memperlihatkan proses ekstraksi ciri tiap citra buah murbei dilakukan satu per satu.
Pada proses ekstraksi semua nilai langsung disimpan pada tabel ekstraksi ciri.
Tabel tersebut mempunyai field yang mengarah pada data tabel citra buah Volume 4.
No 1.
April 2021 Sampel Kandungan 0,112740851 0,255421132 0,392201697 0,605551658 0,693703401 4,924618007 18,35860361 137,8406437 Dari tabel 9 kandungan zat antosianin tersebut, informasi yang disimpan adalah kandungan zat antosianin sesuai grup citra atau sampel citra yang telah disimpan seperti yang perlihatkan dalam gambar 7.
Gambar 7.
Bagian simpan zat antosianin Tahapan label data Gambar 6.
Bagian lihat hasil ekstraksi ciri Tahapan penambahan informasi zat Bagian dilakukan penentuan data citra mana saja yang dijadikan citra latih maupun citra uji.
Selain itu data citra juga diberikan label grup Grup citra yang adalah mulai 1 sampai Penentuan grup citra dilakukan sebelumnya secara manual tampak penglihatan.
Buah murbei yang telah diekstraksi sebelumnya secara kimiawi akan diperoleh nilai kandungan zat antosianin.
Pada bagian ini infomasi zat antosianin dilakukan perekaman dan disimpan pada tabel yang berbeda.
Berikut data sampel informasi kandungan zat antosianin yang disimpan dalam tabel data TABEL 9.
KANDUNGAN ZAT ANTOSIANIN
Sampel Kandungan 0,026768312 0,049078022 ISSN.
2620-6900 (Onlin.
2620-6897 (Ceta.
Gambar 8 Bagian label grup data JIRE (Jurnal Informatika & Rekayasa Elektronik.
http://e-journal.
id/index.
php/jire Volume 4.
No 1.
April 2021
Tahapan Uji KNN
CITRA
UJI
HSV
LBP
HSV-LBP
ALL
K=3
ALL
K=3
ALL
K=3
Dari tabel 10 untuk AuALLAy adalah kondisi rata-rata kemunculan citra buah murbei sesuai dengan grup atau kelas datanya dengan nilai K untuk K=1.
K=3.
K=5.
K=7 dan K=9.
Hasil dari tabel 10 dihitung akurasinya sebagai berikut :
TABEL 11.
AKURASI
Gambar 9 Bagian uji KNN
HSV
Pada gambar 9 bagian ini dilakukan uji KNN dengan memastikan data yang diperlukan sudah dimasukkan dengan baik.
Uji dilakukan dengan memanfaatkan ekstraksi ciri HSV dengan LBP dan gabungan HSV dan LBP.
Pada bagian ini juga disampaikan gambar citra yang satu grup beserta informasi korelasi kandungan zat antosianinnya.
Akurasi
(%)
LBP
HSVLBP
ALL
K=3
ALL
K=3
ALL
K=3
Kesimpulan dan Saran
ALL
K=3
ALL
K=3
ALL
K=3
Tdk Tdk Tdk Hasil penelitian ini diketahui aplikasi telah berhasil dibangun dengan C berbasis QT.
SQLite, dan Framework OpenCV.
Uji pengenalan dijalankan pada sistem operasi berbasis linux Pengujian menggunakan klasifikasi K-Nearest Neighbor berdasarkan nilai ekstraksi ciri dalam ruang warna HSV, tekstur LBP dan Dalam proses pengujian nilai K dimulai dari untuk K=1.
K=3.
K=5.
K=7 dan K=9.
Hasil pengujian menunjukkan faktor K yang signifikan adalah K=3 dengan diperoleh data akurasi citra yang benar dalam proses pengenalan sebesar 53,3% untuk memanfaatkan ekstraksi ciri HSV, kemudian sebesar 13,3% untuk menggunakan ekstraksi ciri LBP dan sebesar 66,7% untuk gabungan ekstraksi ciri HSV dengan LBP.
Riset
peningkatan hasil pengujian dengan melakukan penyederhanaan dimensi fitur dan menguji fitur
lain yang berkaitan sama dengan warna buah
Tdk
UCAPAN TERIMA KASIH