Klasifikasi Warna Pixel Dengan Menggunakan Genetic Fuzzy System: Studi Kasus Pada Google Earth

Budi Darma Setiawan, Prof. Drs. Subanar, Ph.D

2010 | Tesis | S2 Ilmu Komputer

Dari citra satelit dapat dilihat berbagai objek di permukaan bumi, seperti rumah, jalan, tanah, vegetasi/tumbuhan, dan air. Pengamatan permukaan bumi, salah satunya dapat dimanfaatkan untuk analisa tata ruang. Sebelum sampai pada tahap itu, seorang pengamat harus dapat membedakan objek-objek dalam citra satelit tersebut. Cara yang paling mudah digunakan adalah dengan menganalisa warna pixel. Untuk dapat memisahkan warna-warna tersebut sesuai dengan objek yang dicirikannya, diperlukan sebuah sistem klasifikasi. Karena beberapa objek tersebut memiliki warna pixel yang saling tumpang tindih, maka digunakanlah sistem klasifikasi fuzzy. Masalah klasifikasi fuzzy timbul ketika tidak ada rule (aturan) yang diketahui, sehingga digunakan sistem genetik fuzzy untuk menciptakan rule. Penelitian ini menjelaskan tentang penggunaan algoritma genetik dalam menghasilkan rule fuzzy untuk keperluan klasifikasi warna pixel pada citra yang diambil dari Google Earth. Prosesnya dilakukan melalui training dari data sampel. Proses training terdiri dari dua bagian, yaitu proses pembelajaran rule (learning rule) untuk membentuk rule-rule fuzy, dan proses tuning untuk mengoptimalkan fungsi keanggotaan fuzzy. Tingkat akurasi diukur dengan menggunakan nilai CCR (Correct Classification Rate). Saat pelatihan, nilai CCR mengalami peningkatan setalah proses tuning selesai dilakukan. Nilai akurasi tertinggi yang didapat saat proses training mencapai 82,49%, sedangkan pada percobaan dengan menggunakan data di luar data training tingkat akurasinya mencapai 77,87%. Perubahan parameterparameter pada algoritma genetik mempengaruhi sistem klasifikasi fuzzy yang dihasilkan. Untuk waktu komputasi, nilainya dipengaruhi oleh jumlah rule yang digunakan, tetapi pengaruhnya hanya akan terlihat jelas ketika jumlah rule yang digunakan berubah secar drastis. Perubahan jumlah rule yang besar ini terjadi ketika adanya perubahan terhadap jumlah himpunan keanggotaan fuzzy yang digunakan.

Kata Kunci : Sistem fuzzy, sistem klasifikasi fuzzy, algoritma genetik, genetik fuzzy