Klasifikasi Mutu Buah Jambu Biji Getas Merah Berdasarkan Tekstur Menggunakan Grey Level Co-Occurence Matrix (GLCM) dengan Klasifikasi KNN

Authors

  • I Gede Wirayudhana Program Studi Informatika, Fakultas Ilmu Komputer Universitas Pembangunan Nasional Veteran Jakarta

DOI:

https://doi.org/10.59141/jist.v2i06.166

Keywords:

teknologi; kepemimpinan; milenial; sumber daya manusia; produktivitas.

Abstract

Tujuan penelitian ini adalah Untuk mengimplementasikan sistem yang mampu mengklasifikasikan mutu buah jambu biji getas merah antara kelas Super, kelas A dan kelas B. Buah Jambu biji adalah buah yang banyak mengandung vitamin dan baik bagi kesehatan. Jambu biji juga memiliki tingkat permintaan tinggi di Indonesia dan memiliki pasar yang luas. Hal ini membuktikan bahwa jambu biji dikonsumsi oleh masyarakat secara luas dan memiliki tingkat daya saing tinggi. Selama ini pengklasifikasian mutu jambu biji dilakukan dengan melakukan pengamatan manual dengan melihat secara langsung permukaan fisik luar buah. Pengklasifikasian secara manual ini memberikan hasil klasifikasi yang kurang efektif dan tidak konsisten. Teknologi pengolahan citra digital atau Image Proseccing dapat digunakan untuk mengklasifikasikan mutu jambu biji getas merah yang sesuai dengan Standar Nasional Indonesia, terutama dari segi tekstur luar j ambu biji. Sistem ini menggunakan pengolahan citra untuk mengekstraksi ciri tekstur luar permukaan buah jambu biji. Sebagai klasifikasi mutu digunakan metode KNN (K-Nearest Neighbour). Sistem ini akan mengklasifikasikan jambu biji ke dalam 3 kelas mutu, yakni kelas super, kelas A, dan kelas B,. KNN dirancang dengan masukan 4 fitur ekstraksi nilai GLCM (energy, homogeneity, correlation dan contrast) dengan menggunakan sudut 0 derajat. Dari hasil pengujian didapatkan bahwa metode klasifikasi ini mampu memberikan akurasi terbaik pada k=9 dalam metode KNN dengan akurasi 45,8%.

Downloads

Published

2021-06-21

How to Cite

Wirayudhana, I. G. (2021). Klasifikasi Mutu Buah Jambu Biji Getas Merah Berdasarkan Tekstur Menggunakan Grey Level Co-Occurence Matrix (GLCM) dengan Klasifikasi KNN. Jurnal Indonesia Sosial Teknologi, 2(06), 953–964. https://doi.org/10.59141/jist.v2i06.166