KLASIFIKASI JENIS BUAH APEL DENGAN METODE K-NEAREST NEIGHBORS DENGAN EKSTRAKSI FITUR HSV DAN LBP

Novan Wijaya, Anugrah Ridwan

Abstract


Abstrak

 Apel merupakan salah satu jenis buah yang unggul dan sangat digemari dan dikonsumsi masyarakat. Buah apel memiliki banyak varietas yang dapat dibedakan berdasarkan warna dan bentuk buah. Fitur Hue Saturation Value (HSV) dan Local Binary Patern (LBP) digunakan pada penelitian ini sebagai ekstraksi fitur warna dan bentuk pada buah yang kemudian akan dijadikan ciri dari warna dan bentuk buah apel yang akan diteliti. Metode K-Nearest Neighbor (K-NN) adalah salah satu metode penelitian pada kecerdasan buatan yang digunakan dalam penelitian ini untuk mengklasifikasikan nilai-nilai yang didapat dari hasil ekstraksi fitur HSV dan LBP. Data yang digunakan pada penelittian ini adalah 800 citra, yang terdiri dari 600 citra latih dan 200 citra uji. Hasil evaluasi yang didapat dari metode K-Nearest Neighbor ini untuk Secara keseluruhan dapat dilihat bahwa rata-rata nilai Precision yang di dapat sebesar 94%, Recall sebesar 100%, dan Accuracy sebesar 94 %.

Kata kunci: Hue Saturation Value, Local Binary Patern, K-Nearest Neighbor

 

 


Full Text:

PDF

References


A. Ciputra, E. H. Rachmawanto, and A. Susanto, “Klasifikasi tingkat kematangan buah apel manalagi dengan algoritma naïve bayes dan ekstrasi fitur citra,” SIMETRIS, vol. 9, no. 1, pp. 465–472, 2018.

M. Nanja and P. Purwanto, “Metode k-nearest neighbor berbasis forward selection untuk prediksi harga komoditi lada,” J. Pseudocode, vol. 2, no. 1, pp. 53–64, 2015.

E. Budianita, J. Jasril, and L. Handayani, “Implementasi pengolahan citra dan klasifikasi k-nearest neighbour untuk membangun aplikasi pembeda daging sapi dan babi,” J. Sains dan Teknol. Ind., vol. 12, no. 2, pp. 242–247, 2015.

B. Soelarso, Budidaya Apel. Yogyakarta: Kanisius, 1997.

D. Putra, Pengolahan Citra Digital. Yogyakarta: Andi Offset, 2010.

B. Y. B. Putranto, W. Hapsari, and K. Wijana, “Segmentasi warna citra dengan deteksi warna HSV untuk mendeteksi objek,” J. Inform., vol. 2, no. 2, 2018.

A. Z. Maula, C. Rahmad, and U. D. Rosiani, “Pengembangan apliksi pemilihan buah tomat untuk bibit unggul berdasarkan warna dan ukuran menggunakan HSV dan thresholding,” J. Teknol. Inf. Teor. Konsep, dan Implementasi, vol. 7, no. 2, pp. 127–138, 2016.

M. A. Aggriawan, M. Ichwan, and Di. B. Utami, “Pengenalan tingkat kematangan tomat berdasarkan citra warna pada studi kasus pembangunan sistem pemilihan otomatis,” JuTISI, vol. 3, no. 3, 2017.

K. Mujib, A. Hidayatno, and T. Prakoso, “Pengenalan wajah dengan Local Binari Pattern (LBP) dan support vector machine (SVM),” Transient, vol. 7, no. 1, pp. 123–130, 2018.

A. S. Indrawanti and E. P. Mandyartha, “Deteksi Limfoblas pada Citra Sel Darah Menggunakan Fitur Geometri dan Local Binary Pattern,” JNTETI, vol. 7, no. 4, 2018.

E. K. Ratnasari, “Pengenalan jenis buah pada citra menggunakan pendekatan klasifikasi berdasarkan fitur warna lab dan tekstur co-occurrence,” Inf. J. Ilm. Bid. Teknol. Inf. dan Komun., vol. 1, no. 2, 2016.




DOI: https://doi.org/10.32736/sisfokom.v8i1.610

Refbacks

  • There are currently no refbacks.


Copyright (c) 2019 Jurnal Sisfokom (Sistem Informasi dan Komputer)

Jurnal Sisfokom (Sistem Informasi dan Komputer) is published by Lembaga Penelitian dan Pengabdian Masyarakat (LPPM) ISB Atma Luhur under Creative Commons Attribution-ShareAlike 4.0 International License.
web stats