PENDUGAAN KELAS MUTU BUAH PEPAYA   BERDASARKAN CIRI TEKSTUR GLCM MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORS

Feri Wibowo; Dimara Kusuma Hakim; Sigit Sugiyanto

doi:10.23887/janapati.v7i1.12991

Authors

Feri Wibowo Universitas Muhammadiyah Purwokerto
Dimara Kusuma Hakim Universitas Muhammadiyah Purwokerto
Sigit Sugiyanto Universitas Muhammadiyah Purwokerto

DOI:

https://doi.org/10.23887/janapati.v7i1.12991

Keywords:

klasifikasi, GLCM, k-Nearest Neighbor, Pepaya

Abstract

Proses klasifikasi mutu buah pepaya dengan cara konvensional menggunakan visual mata manusia memiliki kelemahan di antaranya yaitu membutuhkan tenaga lebih banyak untuk memilah, tingkat persepsi manusia yang berbeda, tingkat konsistensi manusia dalam menilai mutu buah tidak menjamin karena manusia dapat mengalami kelelahan. Penelitian ini bertujuan merancang dan menyusun program pengolahan citra digital dan algoritma k-Nearest Neighbor untuk klasifikasi pemutuan buah pepaya (Carica Papaya L) Calina IPB-9 ke dalam tiga kelas mutu yaitu kelas Super, A, dan B. Fitur tekstur yang diekstrak meliputi nilai energy, entropy, contras, homogeneity, invers difference moment, variance, dan dissimilarity yang didapatkan berdasarkan GLCM (gray level cooccurrence matrices). Fitur-fitur tersebut dijadikan sebagai input pada algoritma k-Nearest Neighbor untuk menghitung jarak. Hasil pengujian menggunakan jumlah k tetangga 9 menunjukan tingkat akurasi sebesar 88,88%.

Kata kunci: Klasifikasi, GLCM, k-Nearest Neighbor, Pepaya

References

Economic and Social Development Department, FAO., 2010, Medium-term prospects for agricultural commodities (Tropical Fruits), http://www.fao.org/docrep/006/y5143e/y5143e1a.htm, diakses 28 April 2016.

Syaefullah, E., Purwadaria, H.K., & Sutrisno, 2011, Pengolahan Citra Digital dan Jaringan Saraf Tirua untuk Identifikasi Tingkat Ketuaan Pepaya, Prosiding Seminar Nasional Teknologi Inovatif Pascapanen Pertanian III, ISBN: 978-979-1116-32-9, Bogor.

Ahmad, U., 2005, Pengolahan Citra Digital & Teknik Pemrogramannya, Graha Ilmu, Yogyakarta.

Kadir, A. & Susanto, A. 2013, Teori dan Aplikasi Pengolahan citra, Penerbit Andi, Yogyakarta.

Ahmad, U., 2002, Pengolahan Citra untuk Pemeriksaan Mutu Buah Mangga, Buletin Keteknikan Pertanian, Fakultas Teknologi Pertanian IPB, Bogor

Farsiah, L., Abidin, T.F., & Munadi, K., 2013, Klasifikasi gambar berwarna menggunakan k-nearest neghbor dan support vector machine, SNASTIKOM, Banda Aceh.

BLST (Bogor life Science and Technology), 2015, Pepaya Calina IPB 9, http://blst.co.id/pepaya-calina-ipb-9, diakses 17 November 2016.

Arifin, A.D., Arieshanti, I., & Arifin, A.Z., 2012, Implementasi algoritma k-nearest neighbor yang berdasarkan one pass clustering untuk kategorisasi teks, ITS, Surabaya.

Ahmad, U., Tjahjohutomo, R., & Mardison, 2008, Perancangan dan Konstruksi Mesin Sortasi dan Pemutuan Buah Jeruk dengan Sensor kamera CCD, Junal Keteknikan Pertanian (JTEP), ISSN 0216-3365, Bogor.

Adnan, 2011, Karakteristik sifat jeruk manis berdasarkan tingkat ketuaan, Prosiding seminar teknologi inovatif pascapanen pertanian ISBN: 978-979-116-32-9, Bogor

Dinar, L., Suyantohadi, A., dan Fallah, M.A.F., 2012. Pendugaan Kelas Mutu Berdasarkan Analisa Warna dan Bentuk Biji Pala (Myristica Fragnans Houtt) Menggunakan Teknologi Pengolahan Citra Digital dan Jaringan Syaraf Tiruan, Junal Keteknikan Pertanian (JTEP) Vol. 26. No.1 April 2012, ISSN 0216-3365, Bogor.

Sugiyanto, S, & Wibowo, F., 2015, Klasifikasi Tingkat Kematangan Buah Pepaya (Carica Papaya L) California (Callina-Ipb 9) Dalam Ruang Warna Hsv dan Algoritma K-Nearest Neighbors, Seminar NasionalHasil-Hasil Penelitian dan Pengabdian LPPM Universitas Muhammadiyah Purwokerto.