EKSTRKASI FITUR BENTUK MENGGUNAKAN METODE CONVEX HULL UNTUK KLASIFIKASI JENIS PISANG MENGGUNAKAN K-NEAREST NEIGHBOR
Abstract
Ada banyak jenis buah pisang yang ada di Indonesia contohnya pisang Ambon, pisang Kepok, pisang Susu, pisang Mas, dan pisang Cavendish. Dengan adanya banyak jenis buah pisang tersebut maka untuk mengetahui jenis pisang masih menggunakan penilaian oleh mata manusia berdasarkan bentuk pisang. Didalam penelitian ini untuk mengetahui jenis pisang menggunakan klasifikasi secara otomatis dari input citra pisang. Hasil dari klasifikasi diharapkan untuk mengetahui jenis pisang berdasarkan data tranning. Input citra pisang di ekstraksi fitur bentuk menggunakan metode Convex Hull untuk mendapatkan nilai Soliditas dan Konveksitas. Langkah-langkah untuk mendapatkan nilai klasifikasi dilakukan dengan input citra pisang, konversi warna menjadi biner (hitam putih), ekstraksi fitur bentuk Convex Hull, menghitung nilai Soliditas konveksitas dan nilai Soliditas dan konveksitas citra buah pisang dilakukan proses klasifikasi menggunakan metode K-Nearst Neighbor (K-NN). Untuk mengetehui tingkat keberhasilan hasil klasifikasi dilakukan proses pengujian. Dari hasil penggujian dilakukan proses perhitungan akurasi dari semua data yang diujikan. Hasil yang didapat didalam penelitian ini dengan nilai akurasi sebesar 56%.
Kata kunci : Convex Hull, Klasifikasi, K-NN, Pisang.
Full Text:
PDF (Bahasa Indonesia)References
J. Media and I. Budidarma, “Klasifikasi Kematangan Buah Pisang Ambon Menggunakan Metode KNN dan PCA Berdasarkan Citra RGB dan HSV,” vol. 6, pp. 9–17, 2022.
Y. E. Yana, T. Informatika, F. Teknik, and U. I. Lamongan, “Klasifikasi Jenis Pisang Berdasarkan Fitur Warna , Tekstur , Bentuk Citra Menggunakan SVM dan KNN,” vol. 4, no. 1, pp. 28–36, 2021.
P. H. S. Lestari, Zeni Dwi, Nur Nafi’iyah, “Sistem Klasifikasi Jenis Pisang Berdasarkan Ciri Warna HSV Menggunakan Metode K-NN,” in Seminar Nasional Teknologi Informasi dan Komunikasi, 2019.
C. Paramita, E. H. Rachmawanto, C. A. Sari, D. R. Ignatius, and M. Setiadi, “Klasifikasi Jeruk Nipis Terhadap Tingkat Kematangan Buah Berdasarkan Fitur Warna Menggunakan K-Nearest Neighbor,” vol. 04, no. 1, pp. 1–6, 2019.
C. P. Iklima and M. Nasir, “Klasifikasi Jenis Pisang Menggunakan Metode K- Nearest Neighbor ( KNN ),” vol. 1, no. 1, pp. 11–14, 2017.
S. A. A. Kadir, Teori dan Aplikasi Pengolahan Citra Digital. Yogyakarta: Andi Offset, 2013.
T. G. Andri, Paulusm Ng Poi Wong, “Segmentasi Buah Menggunakan Metode K-Meand Clustering dan Identifikasi Kemantangannya Menggunakan Metode Perbandingan Kadar Warna,” JSM STMIK Mikroskil, vol. 15, no. 2, pp. 91 – 100.
D. Setyawan et al., “IMPLEMENTASI METODE CONVEX HULL,” vol. 7, no. 1, pp. 519–524, 2022.
A. G. Saputra et al., “CONVEXITY DEFECTS UNTUK PENGENALAN ISYARAT TANGAN,” pp. 105–118.
H. B. Santoso, A. R. C, R. Delima, U. Kristen, D. Wacana, and A. Geolocation, “Mapping and Grouping of Farm Land with Graham Scan Algorithm on Convex Hull Method,” 2019 Int. Conf. Sustain. Eng. Creat. Comput., pp. 121–126, 2019.
K. Yudhistiro, F. T. Informasi, and U. M. Malang, “Algoritma convex hull dan freeman chain code pada visual hand tracking,” pp. 1005–1010, 2018.
N. Processing, G. Mei, and S. Guo, “CudaPre2D : A Straightforward Preprocessing Approach for Accelerating 2D Convex Hull Computations on the GPU *,” pp. 726–732, 2018.
Z. Wang, L. Ma, X. Lin, and H. Zhong, “SALIENCY DETECTION VIA MULTI-CENTER CONVEX HULL PRIOR,” pp. 1867–1871, 2018.
N. L. Aung, “Developed Algorithm for Making Up Convex Hull Based on Binary Tree,” no. 3, 2020.
F. A. Mufarroha and D. A. Fatah, “MACHINE LEARNING CLASSIFICATION OF ESSENTIAL OIL PRODUCING,” vol. 11, no. 1, pp. 123–130, 2022.
DOI: https://doi.org/10.21107/simantec.v11i2.20023
Refbacks
- There are currently no refbacks.
Copyright (c) 2023 Hendro Nugroho
Indexed By
.png)
11.png){kind=logo}
SIMANTEC JOURNAL: This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.