its undergraduate 12352 presentation

5/14/2018 ITS Undergraduate 12352 Presentation - slidepdf.com

http://slidepdf.com/reader/full/its-undergraduate-12352-presentation 1/30

IDENTIFIKASI VARIETAS UNGGUL KEDELAI

BERDASARKAN WARNA DENGANFUZZY CLUSTER MEANS

Oleh:

Dwi Lastomo

1105 100 054



Menu Tugas Akhir

BAB IPENDAHULUAN

BAB II

BAB IV

ANALISIS DATA &

PEMBAHASAN

BAB III

METODOLOGI

PERCOBAAN

BAB V

KESIMPULAN & SARAN



BAB I Pendahuluan

1.1. LATAR BELAKANG

PENDAHULUAN

1.5. MANFAAT1.4. TUJUAN

. ..



Latar Belakang

1. Kedelai Komodoti yang Penting

2. Kesulitan memilah bibit yang baik

1. SORTIRManual2. SORTIR Alat Mekatronik

3. Klaster K-Means

4. Jaringan Syaraf Tiruan

5. FUZZY CLUSTER MEANS

BIBIT yang baik



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

Mendapatakan klaster optimum

untuk memilah varietas unggul

kedelai



BAB II TINJAUAN PUATAKA

KEDELAI

KLASTER

FUZZY CLUSTER MEANS (FCM)

CAHAYA, WARNA, & RGB

FUZZY



• KEDELAI

•

Klasifikasi ilmiah – Kerajaan : Plantae

– Filum : Magnoliophyta

– Kelas : Magnoliopsida

– r o : a a es

– Famili : Fabaceae

– Upafamili : Faboideae

– Genus : Glycine (L.) Merr.

– Spesies:

• Glycine max • Glycine soja



BAHAN

MAKANAN

PROTEIN

(% BERAT)

Susu skim kering 36,00

Kedelai 35,00

Kacang hijau 22,00

Daging 19,00Ikan segar 17,00

Telur ayam 13,00

Jagung 9,20

KandunaganKedelai KADAR (%)

Protein 35-45

Lemak 18-32

Karbohidrat 12-30Air 7

Beras 6,80

Tepung singkong 1,10 Nama bahan Makanan Harga/kg

kacang kedelai 8000

kacang hijau 12000

telur ayam 11000

daging sapi 56000

daging ayam 20000

http://www.jatimprov.go.id, 11 -01-2010

http://www.warintek.ristek.go.id



Tabel 2.1

Deskripsi Beberapa Varietas Unggul

KedelaVarietas Warna Kulit Biji Warna Hilum Bobot 100 Biji

Anjasmoro Kuning Kuning Kecoklatan 14,8 – 15,3 g

, – ,

Argopuro Kuning Coklat muda 15,75 g

Panderman Kuning Muda Coklat tua 18 – 19 g



Tabel 2.2.Karakteristik Varietas Unggul

Nama

Varietas

Tahun

Dilepas

Umur

Masak

(hari)

Kadar

Protein (%)

Kadar

Minyak

(%)

Potensi

Hasil

(ton/ha)

Agromulyo 1998 81 39,4 20,8 2,00

Anjasmoro 2001 88 42,1 18,6 2,25

Panderman 2003 85 35,9 17,7 2,37



• 2.2. Klaster

Metode antara lain:

1. Hard C-Means Clustering

(biasa disebut K-means)2. Fuzzy C-means Clustering

3. Mountain Clustering

4. Subtractive Clustering



FUZZY• Fuzzy adalah salah satu dari kecerdasan

buatan untuk mendefinisikan dari bahasalingustik menjadi numerik. Logika ini banyak

-

bersifat abstrak menjadi terukur, tentunya

dengan parameter-parameter yang telah

ditentukan sebelumnya



FUZZY CLUSTER MEANS



CAHAYA, WARNA, DAN RGB

Teori Cahaya:

1. Abu Ali Hasan Ibn Al-

Haitham (965–sekitar 1040)

SUMBER CAHAYA

Proses penguraian

Cahaya Putih oleh Prisma

.

Partikel)3. Christiaan Huygens abad

ke-17 (teori gelombang)

4. Faraday 1845 (Teori EM )

5. Max Planck abad ke-19

(teori Kuantum)6. Albert Einstein abad 20

(dualisme partikel

gelombang)



Color Wavelength Sample

Red 700nm

Cahaya yang dapat

ditangkap indera manusia

mempunyai panjang

elomban 380 sam ai

Orange 650nm

Yellow 600nm

Green 550nm

Blue 500nm

Indigo 450nm

Violet 400nm

780 nanometer.



=

i

i

i

i

i

i

B

G

R

Z

Y

X

099.0010.0000.0

011.0813.0177.0

200.0310.0490.0



BAB III

METODOLOGI PENELITIAN

Studi Literatur dan Pengenalan Software Matlab 7.0

Pengumpulan

Data

Hasil

Pengolahan Data

dengan FCM

ToolBox Matlab

7.0

Pengolahan

Data dengan

JST Matlab 6.5

Komparasi



BAB IV

ANALISIS DATA DAN PEMBAHASANVarietas R G B

Anjasmoro 159.69 122.664 19.431

Anjasmoro 176.082 129.462 20.602

Anjasmoro 171.809 133.04 19.39

Anjasmoro 180.187 137.04 23.068

Anjasmoro 181.064 145.409 24.162

Argomulyo 157.045 132.465 15.685

Argomulyo 166.715 131.527 17.687

Sampel Data dari Variasi

Pengambilan Data dengan LampuHalogen pada Kotak Hitam

Argomulyo 169.652 138.028 19.356

Argomulyo 159.027 134.606 17.448

Argomulyo 177.316 145.144 23.911

Argopuro 136.944 113.085 14.995

Argopuro 142.528 118.807 17.528

Argopuro 140.918 116.345 13.914

Argopuro 147.347 116.265 15.003

Argopuro 134.371 124.548 14.514

Panderman 168.064 129.004 21.336

Panderman 172.049 116.349 15.948

Panderman 163.882 132.064 21.554

Panderman 169.538 133.574 21.428

Panderman 152.556 129.168 16.196



Plot data Vektor RGB

0.7

0.8

0.9

1Plot Data Normalisasi

0 10 20 30 40 50 60 70 800

0.1

0.2

0.3

0.4

0.5

0.6

Anggota Data

V e k t o r R



Plot Pusat KLASTER

0.68

0.7

0.72

0.74plot Center of Cluster

0 10 20 30 40 50 60 70 80

0.58

0.6

0.62

0.64

0.66

Anggota Data

V e k t o r R



PLOT DATA DAN PUSAT KLASTER

0.6

0.7

0.8

0.9

1Plot Data Normalisasi dan Center of Cluster

0 10 20 30 40 50 60 70 800

0.1

0.2

0.3

0.4

0.5

DAta anggota

V e k t o r R



PLOT DERAJAT KEANGGOTAAN TIAP

DATA

0.8

0.9

1

derajat keanggotaan

cluster1

cluster2

cluster3

cluster4

0 10 20 30 40 50 60 70 800

0.1

0.2

0.3

0.4

0.5

0.6

.

data ke

d e r a j a t k e a n g g o t a a

n



Tabel 4.2. Pusat Klaster

Varietas X Y

Argopuro 50.906 0.49948

Panderman 71.427 0.59269

Argomulyo 30.098 0.51062

Anjasmoro 9.5745 0.47433



Tabel 4.3. Jarak dan Standar Deviasi

VarietasVarietasVarietasVarietas

Pusat Klaster Pusat Klaster Pusat Klaster Pusat Klaster

JarakJarakJarakJarakRataRataRataRata----ratarataratarata

Standar Standar Standar Standar DeviasiDeviasiDeviasiDeviasiXXXX Y

Anjasmoro 9.5747 0.81388 4.50583937 2.65748

Argomulyo 30.098 0.51062 4.52111802 2.663602

Argopuro 50.906 0.49948 4.50884334 2.689555

Panderman 71.427 0.59269 4.50854114 2.656206



Error Fuzzy dan Keanggotaan ObjekHalogen Coklat Pijar Coklat Halogen Coklat

∑(St.Dev+

jarak

No sample

Anggota

∑(St.Dev+

jarak Rata-

No sample

Anggota ∑ (St.Dev +

No

sample

Anggota

Var etas Rata0rata K aster error rata K aster error ara Rata-rata K aster error

Anjasmoro 7.161637 nomor 3-16 30% 7.16711437 nomor 3-16 30% 7.159671 nomor 3-16 30%

Argomulyo 7.184225 nomor 3-17 25% 7.18472002 nomor 3-17 25% 7.18386 nomor 3-17 25%

Argopuro 7.190032 nomor 4-18 25% 7.19839834 nomor 4-18 25% 7.19322 nomor 4-18 25%

Panderman 7.163145 nomor 5-18 30% 7.16474714 nomor 5-18 30% 7.157925 nomor 5-18 30%



Tabel Hasil Pelatihan untuk Pengenalan

Anjasmoro

No. Data Pelatihan Jaringan Epoch MSE

1 60 3-100-1 1027 3.33E-02

- - . -

3 60 3-300-1 267 9.95E-06

4 60 3-400-1 625 9.81E-06

5 60 3-500-1 617 9.31E-06



Hasil Pengujian Anjasmoro dari

Jaringan pada Tabel sebelumnya

No.Jumlah

Data

Validasi

Jaringan RMSE

1 20 3-100-1 0.15

2 20 3-200-1 0.15

3 20 3-300-1 0.2802

4 20 3-400-1 0.1

5 20 3-500-1 0.1231



4.3. Pembahasan

Nilai Pusat Klaster selalu berada

Perbedaan nilai RGB untuk tiap

variasi cara pengambilan data

i tenga -tenga e as

Error 25% dan 30%

Derajat keanggotaan vekot RBG

mengikuti logika Fuzzy

Berdasarkan nilai error Fuzzy lebih

konsisten daripada JST, JST lebih akurat



BAB V KESIMPULAN & SARAN

FCM dapat

mengelompokkan

FCM dapat mengelompokkan tanpa

memasukkan data ke dalam dua klaster (sesuai

derajat keanngoaan dalam fuzzy)

Nilai error dala

Dilakukan penelitian dengan perpaduan

metode ini, yaitu neoro fuzzy SARAN

KESIMPULAN

varietasnya

en as

25%-30%

JST lebih akurat,FCM lebih konsisten

its undergraduate 12352 presentation

Documents