Jurnal Tentang Klasifikasi Tanaman Buah Strawberry Pdf

Harian

KLASIFIKASI Tipe Pokok kayu MANGGA BERDASARKAN TULANG DAUN MENGGUNAKAN METODE K-MEANS

Makanya: Ina Dewi Safitri 12.1.03.02.0275

Dibimbing oleh : 1. Rini Indrianti, M.Kom 2. Resty Wulanningrum, M.Kom

PROGRAM Investigasi TEKNIK INFORMATIKA FAKULTAS TEKNIK Perhimpunan NUSANTARA PGRI KEDIRI 2017

Artikel Skripsi Perhimpunan Nusantara PGRI Kediri

Manuskrip PERNYATAAN ARTIKEL SKRIPSI TAHUN 2017 Yang bertanda tangan di dasar ini: Nama Lengkap

: Ina Dewi Safitri

NPM

: 12.1.03.02.0275

Telepun/HP

: 082231228731

Alamat Surel (Email)

: [email protected]

Judul Artikel

:Klasifikasi Variasi Tanaman Mangga Berlandaskan Sumsum Daun Menggunakan Metode K-Means.

Fakultas – Program Penajaman

: Fakultas Teknik- Teknik Informatika

Nama Perguruan Panjang

: Perhimpunan Nusantara PGRI Kediri

Objek Perguruan Hierarki

: Jl. KH. Achmad Dahlan 76 Kediri

Dengan ini menyatakan bahwa : a. kata sandang yang saya tulid yakni karya saya pribadi (bersama tim juru tulis) dan netral penjiplakan; b. artikel telah diteliti dan disetujui untuk diterbitkan oleh Dosen Pembimbing I dan II.

Demikian inskripsi pernyataan ini saya bagi dengan sememangnya. Apabila di kemudian masa ditemukan ketidaksesuaian data dengan pernyataan ini dan atau terserah tuntutan dari pihak bukan, saya bersedia bertanggungjawab dan diproses sesuai dengan qada dan qadar yang berlaku.

Mencerna

Kediri, 6 Februari 2017 Katib,

Ina Dewi Safitri 12.1.03.02.0275

Ina Dewi Safiti | 12.1.03.02.0275 Fak Teknik – Teknik Informatika

simki.unpkediri.ac.id || 1||

Artikel Skripsi Institut Nusantara PGRI Kediri

KLASIFIKASI JENIS Pohon MANGGA Berdasarkan Petiolus MENGGUNAKAN METODE K-MEANS Ina Bidadari Safitri 12.1.03.02.0275 Fakultas teknik-Teknik Informatika [email protected] Rini Indrianti, M.Kom , Resty Wulanningrum, M.Kom UNIVERSITAS NUSANTARA PGRI KEDIRI

Ideal Tanaman mangga yaitu tanaman biji pelir nan potensial dikembangkan karena mempunyai tingkat keragaman genetik yang tingkatan. Patera mangga n kepunyaan variasi n domestik peristiwa bentuk, ukuran dan warna daun, yang menunjukan variabilitas genetik nan cukup luas. Struktur petiolus laksana pelecok satu fitur yang dapat membedakan daun dari berbagai rupa diversifikasi tanaman, karena lemak tulang daun memiliki fitur nan eksklusif plong setiap jenis pohon. Untuk khalayak nan belum sejenis itu paham dengan perbedaan tersebut tentunya akan merasa kesulitan cak bagi membedakannya. Maka dari itu wajib adanya permohonan nan dapat mendukung mengategorikan jenis mangga bersendikan daunnya. Sreg proses training citra daun manga diproses memperalat deteksi comberan sobel, sehabis itu akan dilakukan perhitungan menggunakan metode clustering yaitu K-means untuk menggelompokan citra daun manga berdasarkkan jenisnya. Tuntutan yang sudah dibuat diyakini mampu mengategorikan diversifikasi patera mangga. Ini dibuktikan dengan setelah dilakukan uji coba dengan 3 skenario uji coba didapatkan hasil ketepatan 96,6% berpunca naskah uji coba ke 3 dengan 20 training dan 10 tentamen.

Introduksi Kunci : daun manga,sobel, K-means, klasifikasi

I.

LATAR Bokong

Indonesia yaitu pelecok satu Negara

yaitu tumbuhan berkayu yang mempunyai

yang punya sumber daya liwa nan

strata buntang bertambah terbit 5 m, sampai-sampai

lampau heterogen, tanah yang berbenda dan pula

mencapai tinggi 10-50 m (Soffiana agustin,

silam cocok lakukan berbendang. Salah

et al, 2011).

satu tanaman yang banyak dijumpai di

Tanaman mangga merupakan tanaman

Negara ini adalah pohon mempelam. Mangga

biji kemaluan yang potensial dikembangkan karena

terjadwal dalam marga Mangifera, yang

punya tingkat pluralitas genetik

terdiri berusul 35-40 anggota, dan suku

yang tinggi. Patera mempelam memiliki tipe

Anacardiaceae. Logo ilmiahnya yaitu

n domestik hal bentuk, ukuran dan rona patera,

Mangifera indica. Pohon mangga termasuk

yang menunjukan kebinekaan genetik yang

tumbuhan tingkat tinggi yang struktur

cukup luas. Struktur tulang daun sebagai

batangnya tercantum keramaian arboreus,

keseleo satu fitur nan dapat mengeluarkan

Ina Haur Safiti | 12.1.03.02.0275 Fak Teknik – Teknik Informatika

simki.unpkediri.ac.id || 2||

Artikel Skripsi Universitas Nusantara PGRI Kediri

daun pecah beragam keberagaman pohon, karena

akan mengebumikan pokok kayu mangga atau saat

sumsum daun mempunyai fitur yang unik pada

memintal bibit tumbuhan mempelam. Salah satu

setiap jenis tanaman. Pengklasifikasian jenis

cara yang dapat kita bikin untuk

mangga sejauh ini

membebaskan jenis tumbuhan mangga ialah

manual,

sehingga

dilakukan secara suatu

dengan menyibuk daunnya, karena setiap

petisi yang boleh menggolongkan tipe

jenis mangga ternyata n kepunyaan bentuk

pauh

daun yang farik jika dilihat secara

secara

dibutuhkan

kodrati

melalui

serangkaian proses pengolahan citra daun

seksama.

mangga (Suastika, et al, 2014).

Untuk orang yang belum begitu responsif

Tanaman

mangga

dapat

membuat

dengan situasi tersebut tentunya akan merasa

lingkungan lebih hijau dan sejuk, mangga

kesulitan untuk membedakannya. Maka

juga mempunyai rasa yang manis serta

dari itu perlu adanya permintaan yang dapat

memiliki vitamin yang baik untuk badan. Maka

kontributif mengelompokkan jenis mangga

dari itu banyak kita jumpai tumbuhan mangga

beralaskan

diberbagai palagan sekitar kita, menginjak dari

berdasarkan daun merupakan identifikasi

pinggir jalan raya, pekarangan rumah,

yang lebih mudah dilakukan karena daun

hingga perkebunan yang eksklusif menyelamatkan

akan ada selama masa, sedangkan

pohon mangga. Tapi

anak uang dan buah bisa jadi tetapi ada pada

sering terpikir

daunnya.

tertentu.

Identifikasi

dipikiran kita kira-sangkil tumbuhan mempelam jenis

waktu

Identifikasi

apa yang kita lihat saat itu, karena banyak

memperalat

jenis pauh yang terwalak di Negara ini.

bersendikan

Mulai bermula mangga gadung, manalagi,

warna citra patera tersebut (Asyhar, et al,

podang, istri muda, dll. Keanekaragaman itulah

2013).

patera kerangka,

dapat tekstur,

tanaman dilakukan maupun

yang lazimnya membuat kita binggung saat

II.

METODE

Klasifikasi Segmentasi Citra

Beberapa metode pengukuran jarak antar

a. Ukuran Jarak

dua objek, yaitu:

Menurut

Andenberg

(1973)

1. Clustering

ukuran jarak dibutuhkan kerjakan setiap

Cluster adalah ketunggalan angka-nilai

pasang alamat yang akan dikelompokkan.

internal jarak tertentu lega konsistensi suatu daerah (relatif besar) dibandingkan dengan

Ina Dewi Safiti | 12.1.03.02.0275 Fak Teknik – Teknik Informatika

simki.unpkediri.ac.id || 1||

Artikel Skripsi Universitas Nusantara PGRI Kediri

kerapatan nilai-nilai daerah sekitarnya.

a. Langkah

yang

pertama

adalah

Menurut Berkhin dan Pavel Clustering

menjadwalkan data set dari algoritma yang

adalah membagi data ke n domestik grup‐grup

akan

yang

melakukan pengambilan nilai.

mempunyai

obyek

yang

digunakan,

merupakan

dengan

karakteristiknya setimpal. Garcia‐Molina et

b. Kemudian, penampilan RGB dari tiap

al (2001, 12), menyatakan clustering

piksel diciptakan, dan menghasilkan

adalah mengelompokkan item data ke

dataset intern 3- vektor.

dalam sejumlah kecil grup sedemikian sehingga

masing‐masing

grup

mempunyai

sesuatu

yang

paralelisme

esensial. Teknik klusterisasi berarti bagi segmentasi citra dan klasifikasi data nan belum tergarap untuk menciptakan kelaskelas baru. Warna diwakili dalam vektor 3 dimensi semenjak nilai titiknya. Masing-masing suku cadang warna dihadirkan dalam rona merah, bau kencur dan biru (RGB). Jika dua garis vektor adalah ganti berdekatan, warna akan ditampilkan serupa, galibnya dari dua garis vektor, jika dandan yang akan ditampilkan suntuk berbeda, maka akan diambil kronologi tengah dengan menghadirkan suatu warna secara agresif berpokok warna aslinya. Acuan ini juga ketika rata-rata bervariasi garis vektor RGB. Mengenai pendirian-cara lain nan lain mewatasi untuk menghadirkan suatu

c. Cak menjumlah dataset dengan algoritma nan

sudah

ditetapkan,

menentukan

klusterisasi pusatnya. Tiap- tiap piksel citra dikonversi dalam satu garis vektor RGB, dan ditampilkan menggunakan galibnya dari keramaian corak yang dihasilkan. Ada dua algoritma terdepan dalam klusterisasi, yakni algoritma kluster hirarki (Hierarchical Clustering) dan algoritma KMeans. Algoritma K-Means adalah suatu algoritma pengelompokan sasaran berdasar pada atribut ke privat pembagi k. Ini yakni

suatu

maksimalisasi

varian

algoritma

kemungkinan,

dimana

tujuanya adalah untuk menentukan k. Diasumsikan bahwa format atribut objek itu adalah suatu garis vektor ruang. Tujuanya adalah untuk memperkecil kuantitas perbedaan intra-cluster, atau manfaat: 𝑛

𝑉= ∑

∑ 𝑖=𝑖

|𝑋ј − µᵢ| 𝑗€𝑆𝑖

warna dengan garis vektor 3 format. Berikut untuk detilnya berpokok penjelasan di atas, bagaimana pilihan penampilan warna mempengaruhi hasil proses clustering:

Ina Dewi Safiti | 12.1.03.02.0275 Fak Teknik – Teknik Informatika

di mana suka-suka k cluster i S , i= 1,2,…,k dan yakni anak kunci luasan maupun titik bersumber semua skor-poin. simki.unpkediri.ac.id || 1||

Artikel Skripsi Universitas Nusantara PGRI Kediri

Algoritma

ini

dimulai

dengan

Contoh:

penyekatan masukan menunjuk ke dalam

Terletak 2 vektor ciri berikut:

tetapan

Kemudian

A= |0,3,4,5|

mengkalkulasi rata-rata titik, atau kiat

B= |7,6,3,-1|

luasan dari tiap set. Peristiwa ini mengakibatkan

Jarak Euclidean pecah vector A dan B

satu sekat baru dengan menghubungkan

Adalah:

sendirisendiri dengan pusat luasan yang

dᴀᴃ

terdekat. Kemudian buku luasan dihitung

√(0 − 7)2 + (3 + 6)2 + (4 − 3)2 + (5— 1)²

k

secara

sembarang.

=

kembali untuk cluster yang plonco, dan

= √49 + 9 + 1 + 36 = 9.747

algoritma yang diulangi dua langkah

Jarak Euclidean yaitu kasus spesial

sebatas pemusatan, yang mana diperoleh

dari

ketika poin-kredit tak lagi berpindah

(Putra,2009 : 161).

cluster (atau seumpama alternatif pusat luasan

2.1.4 Algoritma K-Means

merupakan tidak sekali lagi diubah). Walaupun

jarak

Minkowski

K-Means

algoritma

harus

cangap

clustering

secara

dengan

merupakan partitioning

=2

metode yang

memusat, enggak ada takat pada banyaknya

memisahkan data ke dalam kelompok nan

perulangan yang berulang-ulang sesuai yang

berbeda.

diperlukan. Suatu

boleh

tautologis, K-Means berpunya meminimalkan

dipilih bikin menghentikan algoritma itu

umumnya jarak setiap data ke cluster-nya.

sesudah suatu

Dasar algoritma K-means adalah ibarat

Konsentrasi

implementasi

jumlah iterasi

tidaklah

tertentu.

menjamin

cak bagi

menghasilkan suatu hasil yang maksimal secara

menyeluruh

(Andik

Setyawan,

2015).

partitioning

secara

berikut : a. Tentukan nilai k bagaikan jumlah klaster yang ingin dibentuk. b. Bangkitkan k centroid (bintik pusat

2. Euclidean Distance

klaster) awal secara random.

Euclidean Distance (jarak Euclidean) ialah

Dengan

metrika

nan

paling kecil

c. Hitung jarak setiap data ke masing-

sayang

masing centroid menggunakan rumus

digunakan untuk menghitung paritas 2

korelasi antar dua incaran yaitu Euclidean

vektor. Jarak Euclidean menghitung akar

Distance.

dari kuadrat perbedaan 2 vektor (root of

d. Kelompokkan setiap data berdasarkan

square differences between 2 vectors).

jarak terdekat

Rumus dari jarak Euclidean:

centroidnya.

antara

data dengan

dij = √∑𝑛𝑘=1(𝑋𝑖 − 𝑋𝑗𝑘)² Ina Bidadari Safiti | 12.1.03.02.0275 Fak Teknik – Teknik Informatika

simki.unpkediri.ac.id || 2||

Artikel Skripsi Universitas Nusantara PGRI Kediri

e. Tentukan posisi centroid baru (Ck )

Dimana nk

adalah besaran dokumen

dengan cara menghitung nilai biasanya

dalam cluster k dan di adalah dokumen

dari data-data nan ada pada centroid

dalam cluster k.

yang sekelas.

f. Kembali ke persiapan 3 jika posisi 1 𝐶ᵏ ( ) ∑ 𝑛ᵏ

centroid hijau dengan centroid lama tidak sama (Andik Setyawan, 2015).

𝑑ᵢ

III. HASIL DAN KESIMPULAN Berikut ini adalah hasil desain interface

Berikut ini yakni hasil desain interface

training setelah diimplementasikan kerumahtanggaan

tentamen setelah diimplementasikan internal

program.

program.

Kerangka 3.6 Implementasi Desain Training

Gambar 3.7 Implementasi Desain Testing

Kesimpulan : Mangga ialah tumbuhan yang

Maka bermula itu dibuat tuntutan ini kiranya dapat

memiliki beragam variasi. Patera mangga

mempermudah mengeluarkan jenis mangga

mempunyai variasi n domestik kejadian tulangtulangan, ukuran

berdasarkan tulang daunnya.

dan

warna

daun,

yang

menunjukan

Metode yang digunakan dalam

keragaman genetik yang pas luas.

tuntutan ini merupakan metode K-Means.

Struktur tulang daun sebagai salah suatu

Aplikasi yang sudah lalu dibuat diyakini mampu

fitur yang dapat membedakan daun dari

mengklasifikasikan macam daun mempelam. Ini

berbagai jenis tanaman, karena pelepah

dibuktikan dengan setelah dilakukan uji

mempunyai fitur nan unik plong setiap jenis

coba

tanaman. Pelecok satu kaidah yang bisa kita

didapatkan

lakukan kerjakan melepaskan jenis pohon

naskah uji coba ke 3 dengan 20 Training

mangga adalah dengan meluluk daunnya.

dan 10 Testing.

Ina Dewi Safiti | 12.1.03.02.0275 Fak Teknik – Teknik Informatika

dengan

3

hasil

skenario akurasi

uji 96,6%

coba dari

simki.unpkediri.ac.id || 3||

Artikel Skripsi Universitas Nusantara PGRI Kediri

IV.

Daftar pustaka

Agmalaro, Muhammad Asyhar.et al. 2013. Identifikasi Tumbuhan Buah Tropika Berdasarkan Tekstur Permukaan Daun Memperalat Jaringan Syaraf Artifisial. Jurnal Mantra Komputer. Agustin, Soffiana. et al. 2011. Klasifikasi Jenis Pohon Mangga Gadung dan Curut Berdasarkan Tekstur Daun. Jurnal Sistem Informasi ITS: Surabaya. Andi. 2012. Visual Basic 2010 Programming. Yogyakarta: Wahana Komputer. Bamukrah, Faruq Jihan. 2010. Pengertian Pengolahan Citra (Image Processing). Perkumpulan Gunadarma. Kristanto, Andri. 2004. Jaringan Saraf Tiruan (Konsep Dasar, Algoritma dan Aplikasi). Gava Kendaraan. Jogjakarta.

Ina Dewi Safiti | 12.1.03.02.0275 Fak Teknik – Teknik Informatika

Mesran. 2012. Materi Pidato Algoritma dan Pemograman. Kediri. Portal Persawahan. 2014. Macammacam Buah Mangga, (online). tersedia: http://kebunq.com/2014/09/macammacam-buah-mangga.html Putra, Darma. 2009. Euclidean Distance. Yogyakarta: Graha ilmu. Riska, Suastika Yulia. et al. 2014. Klafikasi Varietas Tumbuhan Mangga Tumbuhan akar dan Mangga Madu Berlandaskan Pelepah. Jurnal Perkumpulan Teknologi Deka- November Keputih: Surabaya. Setyawan, Andik. 2015. Algoritma K-Means Data Mining, (online). tersaji: http://www.scribd.com/doc/257278777/Al goritma-K-Means#, diunduh 12 Desember 2015

simki.unpkediri.ac.id || 1||