Bab Iii.docx

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