BAB III ANALISIS DAN PERANCANGAN
3.1
Analisis Kebutuhan Analisis kebutuhan sistem merupakan tahapan penting dalam pengembangan sebuah
aplikasi, diperlukan analisis fungsional dan analisis non-fungsional. Untuk memperoleh hasil analisis kebutuhan yang lebih baik dan efisisen, maka sistem sedang diteliti perlu dipahami dengan terperinci. 3.1.1 Analisis Kebutuhan Fungsional Analisis kebutuhan fungsional dilakukan untuk memberikan gambaran mengenai proses yang dapat dilakukan sebelum merancang sebuah perangkat lunak. Proses yang diperlukan dalam perancangan aplikasi ini adalah sebagai berikut: a. Input dari sistem adalah file citra yang berekstensi *png b. Inputan citra daging yang dibutuhkan untuk proses training dan klasifikasi c. Database untuk menampung nilai ekstraksi fitur citra daging dari hasil proses training d. Form untuk menampilkan menu-menu dan tombol-tombol yang dapat digunkan oleh pengguna untuk berinteraksi dengan sistem e. Citra daging digunakan dalam proses training dan klasifikasi
3.1.2 Analisi Kebutuhan Non-Fungsional
Spesifikasi kebutuhan non-fungsional perangkat lunak merupakan deskripsi fitur, karakteristik dan batasan lain yang juga menentukan kepuasan akan sistem. Untuk merumuskan persyaratan non-fungsional dari sistem maka harus dilakukan analisis terhadap kinerja, informasi, ekonomi, keamanan sistem, efisiensi dan pelayanan user. Panduan ini dikenal dengan istilah analisis PIECES (performance, information, economic, control, efficiency, dan service). 1. Performance, yaitu waktu yang diperlukan untuk kalsifikasi ± 30 second pada sistem operasi windows 10 pro 64 bit.
2. Information, yaitu aplikasi akan menampilkan laporan nilai MRELBP saat melakukan ekstraksi ciri fitur. 3. economic, yaitu sistem dapat dijalankan dan tidak memerlukan biaya tambahan untuk dapat menggunakan sistem. 4. control, yaitu aplikasi akan menampilkan pesan kesalahan dalm proses penginputan data pada saat melakukan training dan klasifikasi. Kesalahan dapat berupa kesalahan dalam menginput format citra gambar. 5. Efficiency, yaitu sistem yang digunakan dengan mengambil citra dan memasukkannya kedalam sistem 6. Service, yaitu desain antarmuka aplikasi dan fungsi built-in sistem dirancang sedemikian rupa sehingga, memudahkan pengguna baik dalam memulai proses penghilangan derau sampai proses penajaman citra.
3.1.3 Use Case Diagram Use Case Diagram dalam memodelkan kebutuhan hfungsional sistem klasifikasi jenis daging sapid an daging babi dapat ditunjukkan pada gambar dibawah ini.
Klasifikasi jenis daging sapi dan daging babi
Gambar use case klasifikasi jenis daging sapid an daging babi
Nama Use Case
Ekstraksi Ciri Warna
Aktor
User
Deskripsi
Use Case mengekstraksi ciri warna dengan menggunakan RGB Aksi Aktor
Respons Sistem
User memilih citra daging
Sistem membuka file explore
untuk di ekstraksi ciri
untuk memilih citra yang
warnanya
akan di ekstraksi ciri warnanya dan akan diolah oleh sistem
User mengklik proses yang
Sistem melakukan prose
tersedia dalam form untuk
ekstraksi ciri warna dengan
memulai prose ekstraksi ciri
RGB dan menampilkan hasil
warna
proses
User menyimpan hasil prose
Sistem akan membuka folder
ekstraksi ciri warna dengan
explorer untuk menentukan
nmengklik simpan untuk
tempat penyimpanan citra
menyimpan.
hasil ekstraksi
User mengklik reset untuk
Sistem mengembalikan
kembali keproses awal
keproses awal
Table 3.1 ekstraksi ciri warna
Nama Use Case
Ekstraksi Ciri Tekstur
Aktor
User
Deskripsi
Use Case mengekstraksi ciri tekstur dengan menggunakan Median Robust Extended Local Binary Pattern (MRELBP). Aksi Aktor
Respons Sistem
User memilih citra daging
Sistem membuka file explore
untuk di ekstraksi ciri
untuk memilih citra yang
teksturnya
akan di ekstraksi ciri teksturnya dan akan diolah oleh sistem
User mengklik proses yang
Sistem melakukan prose
tersedia dalam form untuk
ekstraksi ciri tekstur dengan
memulai prose ekstraksi ciri
RGB dan menampilkan hasil
tekstur
proses
User menyimpan hasil prose
Sistem akan membuka folder
ekstraksi ciri tekstur dengan
explorer untuk menentukan
nmengklik simpan untuk
tempat penyimpanan citra
menyimpan.
hasil ekstraksi
User mengklik reset untuk
Sistem mengembalikan
kembali keproses awal
keproses awal
Table 3.2 ekstraksi ciri tekstur
Nama Use Case
Klasifikasi kombinasi Ekstraksi Ciri warna dan ekstraksi ciri Tekstur
Aktor
User
Deskripsi
Use Case mengekstraksi ciri tekstur dengan menggunakan RGB dan mengekstraksi ciri tekstur dengan menggunakan Median Robust Extended Local Binary Pattern (MRELBP). Aksi Aktor
Respons Sistem
User memilih citra daging
Sistem membuka file explore
untuk di ekstraksi ciri warna
untuk memilih citra yang
dan ekstraksi ciri teksturnya
akan di ekstraksi ciri warna
dan ekstraksi ciri teksturnya dan akan diolah oleh sistem User mengklik proses yang
Sistem melakukan proses
tersedia dalam form untuk
ekstraksi ciri warna dan
memulai prose ekstraksi ciri
ekstraksi ciri tekstur dengan
warna dan ekstraksi ciri
RGB dan menampilkan hasil
tekstur
proses
User menyimpan hasil proses
Sistem akan membuka folder
ekstraksi ciri warna dan
explorer untuk menentukan
ekstraksi ciri tekstur dengan
tempat penyimpanan citra
mengklik simpan untuk
hasil ekstraksi
menyimpan. User mengklik reset untuk
Sistem mengembalikan
kembali keproses awal
keproses awal
Table 3.3 kalsifikasi kombinasi ekstraksi ciri warna dan ekstraksi ciri tekstur
Nama Use Case
Pengujian
Aktor
User
Deskripsi
Use Case melakukan pengujian dengan melihat nilai MAE Aksi Aktor
Respons Sistem
User mengkilik folder yang
Sistem melakukan
berisi hasil penelitian dan
perhitungan MAE terhadap
mengklik tobol ok pada
citra asli dan citra hasil
folder explorer
penelitian
User mendapat informasi
Sistem melakukan proses
mengenai nilai MAE
ekstraksi ciri warna dan ekstraksi ciri tekstur dengan
RGB dan menampilkan hasil proses User mengklik reset untuk
Sistem mengembalikan
kembali keproses awal
keproses awal
table 3.4 Pengujian
3.1.4 Analisi Proses
Analisis proses adalah suatu proses pendeskripsikan dan mengidentifikasi proses berjalannya sebuah progam (algoritma) untuk menyelesaikan masalah yang ada. Analisis disini menguraikan sebuah citra daging yang akan diproses untuk mendapatkan nilai ciri fitur dari citra daging. Adapun tahapan yang dilakukan dalah menginput citra daging setelah citra daging didapatkan maka akan dilakukan proses pra-pengolahan, yaitu grayscale. Dimana proses ini akan menghasilkan sebuah citra daging grayscale yang akan digunakan dalam proses ekstraksi ciri fitur, citra daging grayscale diekstraksi dengan fitur MRELBP yang akan menghasilkan nilai fitur dari citra daging. Selanjutnya untuk proses pelatihan nilai fitur dari citra daging yang sudah didapatkan akan disimpan kedalam database, sedangkan pada proses pengenalan nilai fitur dari citra daging yang sudah didapatkan akan dicocokkan dengan nilai fitur citra daging yang ada pada database dengan menggunakan naive bayes.
Untuk lebih jelas dalam tahapan prosesnya dapat dilihat pada gambar dibawah ini.
3.1.4.1 Analisis Proses Pra-Pengolahan (Pre-Procesing) Pada tahapan proses ini citra daging yang sudah diinput akan dilakukan proses prapengolahan, yaitu mengubah citra menjadi grayscale. Untuk lebih jelas dalam tahapan prosesnya dapat dilihat pada tahapan ini citra masih bernilai RGB, untuk mempermudah proses perhitungan maka citra daging diubah ke grayscale. Adapun proses mengubah citra ke grayscale.
a. Grayscale (Derajat Keabuan) pada tahapan ini citra daging yang masih bernilai RGB, untuk mempermudah proses perhitungan maka citra daging diubah ke grayscale. Seperti terlihat pada gambar dibawah :
Rumus grayscale yang digunakan adalah sebagai berikut : Grayscale =
𝑹+𝑮+𝑩 𝟑
Dimana : R : Nilai Warna Merah G : Nilai Warna Hijau B : Nilai Warna Biru Untuk lebih jelas dapat dilihat pada contoh matriks RGB 3 x 3 dibawah ini :
3 2 R = [4 2 2 9
=
6 7 3 ] + G = [ 1 4 2 5 9 1
6 2 ] + B = [ 5 1 5 4
7 9 5 6] 2 7
12 12 21 [9 9 12] 15 12 17 3
4 Grayscale = [3 5
4 7 3 4] 4 5
3.1.4.2 Analisis Proses Perhitungan RGB Proses perhitungan RGB adalah citra RGB terlebih dahulu diubah kecitra graysecale setelah itu konversi citra grayscale ke dalam citra biner sehingga nilai dari citra RGB bisa didapatkan Proses perhitungan RGB adalah sebagai berikut 105 Citra awal = [ 85 121
88 92 130
91 100] = 111
105 88 91 [ 85 92 100] 121 130 111 3
35 Grayscale = [28 40
29 30 43
30 33] 37
3.1.4.3 Analis Proses Perhitungan MRELBP
menggunakan persamaan sebagai berikut. 𝑀𝑅𝐸𝐿𝐵𝑃𝐶𝐼 (𝑖𝑐) = 𝑠 (Ø(𝑋𝑐,𝜔 ) − 𝜇𝜔 ) Pada proses perhitungan nilai MRELBP ini adalah menghitung rata-rata dari matriks awal. 105 Citra awal = [ 85 121
88 92 130
91 100] 111
105 + 88 + 91 + 100 + 111 + 130 + 121 + 85 + 92 = 102,5 9
Setelah rata-rata dari keseluruhan matriks awal diperoleh maka selanjuttnya adalah setiap nilai pixel dari matriks awal dikurangkan dengan rata-rata yang sudah didapatkan yaitu 102,5 dengan hasil mutlak
P1 = 105 – 102,5 = 2,5 P2 = 88 – 102,5 = 14,5 P3 = 91 – 102,5 = 11,5 P4 = 85 – 102,5 = 17,5
P5 = 92 – 102,5 = 10,5 P6 = 100 – 102,5 = 2,5 P7 = 121 – 102,5 = 18,5 P8 = 130 – 102,5 = 27,5 P9 = 111 – 102,5 = 8,5
Sehingga didapatkan matriks baru yaitu 2,5 14,5 11,5 [17,5 10,5 2,5 ] 18,5 27,5 8,5 Proses selanjutnaya yaitu menggunakan persamaan sebagai berikut. 𝑝−1
𝑀𝑅𝐸𝐿𝐵𝑃𝑟 , 𝑝 (𝑖𝑐) = ∑ 𝑠 (𝜙(𝜒𝑟,𝑝,𝑤𝑟,𝑛 ) − 𝜇𝑟,𝑝,𝑤𝑟 )2𝑛 𝑛=0
Persamaan ini digunakan untuk mencari nilai rata-rata dari setiap pixel dengan tetangganya menggunakan matriks baru, sebagai berikut. Pixel 2.5 memiliki tetangga yaitu 14.5 , 10.5 dan 17. 5 sehingga
𝑃2,5 : 𝑃14,5 : 𝑃11,5 : 𝑃17,5 :
2,5 + 14,5 + 10,5 + 17,5 3
= 15
14,5 + 2,5 + 11,5 + 17,5 + 10,5 + 2,5 5 11,5 + 2,5 + 10,5 + 14,5 3
= 11.8
= 13
17,5 + 2,5 + 14,5 + 10,5 + 18,5 + 27,5 5
= 18.2
𝑃10,5 : 𝑃2,5 : 𝑃8,5 :
10,5 + 2,5 + 14,5 + 11,5 + 2,5 + 8,5 + 27,5 + 18,5 + 17,5 + 2,5 8
2,5 + 8,5 + 27,5 + 10,5 + 14,5 + 11,5 5 8,5 + 2,5 + 10,5 + 27,5
𝑃27,5 : 𝑃18,5 :
3
= 15
= 16,3
27,5 + 18,5 + 17,5 + 10,5 + 2,5 + 8.5 5 18,5 + 17,5 + 10,5 + 27,5 3
= 14.5
= 17
= 24.6
Sehingga didapatkan hasil sebagai berikut 15 18,5 13 Matriks hasil = [18,2 14,5 15 ] 24,6 17 16,3
Urutkan matriks hasil yang sudah didapatkan searah dengan arah jarum jam dengan dimulai dari yang terkecil sampai yang terbesar seperti berikut.
13
14,5
15
15
16,3
17
18,2
18,5
24,6
Median Proses terakhir dari mencari ni;ai MRELBP adalah sebagai berikut 𝛸 ∗ 2𝑛 Dimana χ adalah median yang sudah didapatkan dan n adalah jenis matriks yang dipakai diaman dalam contoh ini kita menggunakan matriks 3 x 3 sehingga menjadi
16,3 × 23 = 130,4