Klasifikasi Kematangan Buah Tomat Menggunakan Citra Kulit Dengan Metode Pca Dan Knn
Abstract
Tomat (Lycopersicon Esculentum Mill) merupakan buah yang banyak dihasilkan di daerah tropis dan subtropis. Budidaya tanaman tomat terus berkembang seiring dengan meningkatnya permintaan buah tomat di pasaran. Kebutuhan tomat di Indonesia sendiri terbilang sangat tinggi karena melihat dari jumlah produksinya tiap tahun. Pendistribusian buah tomat merupakan hal penting dalam melakukan klasifikasi tomat berdasarkan level tingkat kematangannya. Sehingga, distribusi buah tomat dipengaruhi dari jarak daerah pengiriman dan level kematangan tomat tersebut. Oleh karena itu peneliti ingin mengajukan sebuah ide untuk menjawab permasalahan pada identifikasi kematangan tomat yang sebagian besar dilakukan secara manual oleh manusia. Identifikasi kematangan tomat manual sendiri memiliki banyak kelemahan dimana disebabkan oleh banyak faktor, seperti kelelahan, pengalaman, kemahiran dan lainnya. Dalam kesempatan ini peneliti ingin mengajukan sebuah ide dengan membuat sebuah aplikasi komputer yang dapat mengklasifikasi kematangan buah tomat menggunakan citra kulit buah dengan metode PCA Dan KNN. Pengujian dengan menggunakan 60 citra buah tomat, 45 citra tomat sebagai data training dan 15 citra data testing mendapatkan hasil klasifikasi 14 citra benar dan 1 citra salah dengan nilai akurasi 93,3% dari klasifikasi dengan metode PCA dan KNN.
Keywords
Full Text:
PDFReferences
M. A. Anggriawan, M. Ichwan, and D. B. Utami, “Pengenalan Tingkat Kematangan Tomat Berdasarkan Citra Warna Pada Studi Kasus Pembangunan Sistem Pemilihan Otomatis,” J. Tek. Inform. dan Sist. Inf., vol. 3, no. 3, pp. 550–564, 2017, doi: 10.28932/jutisi.v3i3.688.
Badan Pusat Statistik, “Produksi Tanaman Sayuran 2020,” https://www.bps.go.id/, 2020. https://www.bps.go.id/indicator/55/61/1/produksi-tanaman-sayuran.html (accessed Jun. 06, 2021).
S. Y. Riska and P. Subekti, “Klasifikasi Level Kematangan Buah Tomat Berdasarkan Fitur Warna Menggunakan Multi-Svm,” J. Ilm. Inform., vol. 1, no. 1, pp. 39–45, 2016, doi: 10.35316/jimi.v1i1.442.
S. Kusumaningtyas and R. A. Asmara, “Identifikasi Kematangan Buah Tomat Berdasarkan Warna Menggunakan Metode Jaringan Syaraf Tiruan (Jst),” J. Inform. Polinema, vol. 2, no. 2, p. 72, 2016, doi: 10.33795/jip.v2i2.59.
R. Pratama, A. Fuad, and F. Tempola, “Deteksi Kematangan Buah Tomat Berdasarkan Fitur Warna Menggunakan Metode Transformasi Ruang Warna His,” JIKO (Jurnal Inform. dan Komputer), vol. 2, no. 2, pp. 81–86, 2019, doi: 10.33387/jiko.v2i2.1318.
S. Sanjaya, “Penerapan Learning Vector Quantization Pada Pengelompokan Tingkat Kematangan Buah Tomat Berdasarkan Warna Buah,” J. CoreIT J. Has. Penelit. Ilmu Komput. dan Teknol. Inf., vol. 5, no. 2, p. 49, 2019, doi: 10.24014/coreit.v5i2.8199.
N. Astrianda, “Klasifikasi Kematangan Buah Tomat Dengan Variasi Model Warna Menggunakan Support Vector Machine,” VOCATECH Vocat. Educ. Technol. J., vol. 1, no. 2, pp. 45–52, 2020, doi: 10.38038/vocatech.v1i2.27.
F. Liantoni, N. Pradana, T. Prakisya, and Y. Hafid, “Peningkatan HSV dan Haar-Like Feature pada Aplikasi Identifikasi Kematangan Buah Tomat Berbasis Android Title is Bold and Each Letter is Written Capital Except for Conjunctions,” vol. 09, no. 1, pp. 70–74, 2021, doi: 10.26418/justin.v9i1.42469.
C. Tiga and T. Wayang, “Metode Convolutional Neural Network Dalam Klasifikasi Citra Tiga Tokoh Wayang Pandawa,” vol. 7, no. 2018, pp. 1–5, 2020.
M. Resa, A. Yudianto, and H. Al Fatta, “Wayang Dengan Algoritma Convolutional Neural Network,” J. Teknol. Inf., no. 2, pp. 182–190, 2020.
P. Rianto and A. Harjoko, “Penentuan Kematangan Buah Salak Pondoh Di Pohon Berbasis Pengolahan Citra Digital,” IJCCS (Indonesian J. Comput. Cybern. Syst., vol. 11, no. 2, p. 143, 2017, doi: 10.22146/ijccs.17416.
I. Siswanto, E. Utami, and S. Raharjo, “Klasifikasi Tingkat Kematangan Buah Berdasarkan Warna dan Tekstur Menggunakan Metode K-Nearest Neighbor dan Nearest Mena Classifier,” Inspir. J. Teknol. Inf. dan Komun., vol. 10, no. 1, p. 93, 2020, doi: 10.35585/inspir.v10i1.2559.
I. Sagita, C. Suhery, and I. R.-J. C. S. Komputer, “Lama Kematian Ikan Berdasarkan Citra RGB Insang Ikan Menggunakan Metode Linear Discriminant Analysis Dan Euclidean,” Jurnal.Untan.Ac.Id, vol. 04, no. 2, pp. 151–160, 2016, [Online]. Available: http://jurnal.untan.ac.id/index.php/jcskommipa/article/view/15775.
M. Z. Nasution, “PENERAPAN PRINCIPAL COMPONENT ANALYSIS (PCA) DALAM PENENTUAN FAKTOR DOMINAN YANG MEMPENGARUHI PRESTASI BELAJAR SISWA (Studi Kasus : SMK Raksana 2 Medan),” J. Teknol. Inf., vol. 3, no. 1, p. 41, 2019, doi: 10.36294/jurti.v3i1.686.
A. Pariyandani, “Klasifikasi Citra Ikan Berformalin Menggunakan Metode K-NN dan GLCM,” Pros. Semin. Nas. Teknol. Inform., vol. 2, no. 1, pp. 42–47, 2019.
D. S. Chandra, Mardji, and Indriati, “Aplikasi Berbasis M-KNN untuk Mendukung Keputusan Perekrutan Pemain yang Sesuai dengan Kebutuhan Tim Sepakbola,” J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol. 2, no. 6, pp. 2051–2057, 2018.
Y. Widiastuti, S. W. Sihwi, and M. E. Sulistyo, “Decision Support System for House Purchasing Using KNN ( K-Nearest Neighbor ) Method,” J. Itsmart, vol. 5, no. 1, pp. 43–49, 2016.
M. A. Anggriawan, M. Ichwan, and D. B. Utami, “Pengenalan Tingkat Kematangan Tomat Berdasarkan Citra Warna Pada Studi Kasus Pembangunan Sistem Pemilihan Otomatis,” J. Tek. Inform. dan Sist. Inf., vol. 3, no. 3, pp. 550–564, 2017, doi: 10.28932/jutisi.v3i3.688.
Badan Pusat Statistik, “Produksi Tanaman Sayuran 2020,” https://www.bps.go.id/, 2020. https://www.bps.go.id/indicator/55/61/1/produksi-tanaman-sayuran.html (accessed Jun. 06, 2021).
S. Y. Riska and P. Subekti, “Klasifikasi Level Kematangan Buah Tomat Berdasarkan Fitur Warna Menggunakan Multi-Svm,” J. Ilm. Inform., vol. 1, no. 1, pp. 39–45, 2016, doi: 10.35316/jimi.v1i1.442.
S. Kusumaningtyas and R. A. Asmara, “Identifikasi Kematangan Buah Tomat Berdasarkan Warna Menggunakan Metode Jaringan Syaraf Tiruan (Jst),” J. Inform. Polinema, vol. 2, no. 2, p. 72, 2016, doi: 10.33795/jip.v2i2.59.
R. Pratama, A. Fuad, and F. Tempola, “Deteksi Kematangan Buah Tomat Berdasarkan Fitur Warna Menggunakan Metode Transformasi Ruang Warna His,” JIKO (Jurnal Inform. dan Komputer), vol. 2, no. 2, pp. 81–86, 2019, doi: 10.33387/jiko.v2i2.1318.
S. Sanjaya, “Penerapan Learning Vector Quantization Pada Pengelompokan Tingkat Kematangan Buah Tomat Berdasarkan Warna Buah,” J. CoreIT J. Has. Penelit. Ilmu Komput. dan Teknol. Inf., vol. 5, no. 2, p. 49, 2019, doi: 10.24014/coreit.v5i2.8199.
N. Astrianda, “Klasifikasi Kematangan Buah Tomat Dengan Variasi Model Warna Menggunakan Support Vector Machine,” VOCATECH Vocat. Educ. Technol. J., vol. 1, no. 2, pp. 45–52, 2020, doi: 10.38038/vocatech.v1i2.27.
F. Liantoni, N. Pradana, T. Prakisya, and Y. Hafid, “Peningkatan HSV dan Haar-Like Feature pada Aplikasi Identifikasi Kematangan Buah Tomat Berbasis Android Title is Bold and Each Letter is Written Capital Except for Conjunctions,” vol. 09, no. 1, pp. 70–74, 2021, doi: 10.26418/justin.v9i1.42469.
C. Tiga and T. Wayang, “Metode Convolutional Neural Network Dalam Klasifikasi Citra Tiga Tokoh Wayang Pandawa,” vol. 7, no. 2018, pp. 1–5, 2020.
M. Resa, A. Yudianto, and H. Al Fatta, “Wayang Dengan Algoritma Convolutional Neural Network,” J. Teknol. Inf., no. 2, pp. 182–190, 2020.
P. Rianto and A. Harjoko, “Penentuan Kematangan Buah Salak Pondoh Di Pohon Berbasis Pengolahan Citra Digital,” IJCCS (Indonesian J. Comput. Cybern. Syst., vol. 11, no. 2, p. 143, 2017, doi: 10.22146/ijccs.17416.
I. Siswanto, E. Utami, and S. Raharjo, “Klasifikasi Tingkat Kematangan Buah Berdasarkan Warna dan Tekstur Menggunakan Metode K-Nearest Neighbor dan Nearest Mena Classifier,” Inspir. J. Teknol. Inf. dan Komun., vol. 10, no. 1, p. 93, 2020, doi: 10.35585/inspir.v10i1.2559.
I. Sagita, C. Suhery, and I. R.-J. C. S. Komputer, “Lama Kematian Ikan Berdasarkan Citra RGB Insang Ikan Menggunakan Metode Linear Discriminant Analysis Dan Euclidean,” Jurnal.Untan.Ac.Id, vol. 04, no. 2, pp. 151–160, 2016, [Online]. Available: http://jurnal.untan.ac.id/index.php/jcskommipa/article/view/15775.
M. Z. Nasution, “PENERAPAN PRINCIPAL COMPONENT ANALYSIS (PCA) DALAM PENENTUAN FAKTOR DOMINAN YANG MEMPENGARUHI PRESTASI BELAJAR SISWA (Studi Kasus : SMK Raksana 2 Medan),” J. Teknol. Inf., vol. 3, no. 1, p. 41, 2019, doi: 10.36294/jurti.v3i1.686.
A. Pariyandani, “Klasifikasi Citra Ikan Berformalin Menggunakan Metode K-NN dan GLCM,” Pros. Semin. Nas. Teknol. Inform., vol. 2, no. 1, pp. 42–47, 2019.
D. S. Chandra, Mardji, and Indriati, “Aplikasi Berbasis M-KNN untuk Mendukung Keputusan Perekrutan Pemain yang Sesuai dengan Kebutuhan Tim Sepakbola,” J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol. 2, no. 6, pp. 2051–2057, 2018.
Y. Widiastuti, S. W. Sihwi, and M. E. Sulistyo, “Decision Support System for House Purchasing Using KNN ( K-Nearest Neighbor ) Method,” J. Itsmart, vol. 5, no. 1, pp. 43–49, 2016.
DOI: https://doi.org/10.46964/justti.v14i1.790
Refbacks
- There are currently no refbacks.
Copyright (c) 2022 Just TI (Jurnal Sains Terapan Teknologi Informasi)
Editor Jurnal Sains Terapan Teknologi Informasi - JUST TI
ISSN 2085-6458(print) | ISSN 2579-4310(online)
Published by Politeknik Negeri Samarinda
Managed by Information Technology Department - Jurusan Teknologi Informasi
Jl. Dr. Ciptomangunkusumo Kampus Gunung Lipan Samarinda 75131 - Kalimantan Timur - Indonesia
Email: just.ti@polnes.ac.id
OJS: http://e-journal.polnes.ac.id/index.php/justi/index
Contact Person: Tien R Tulili (+6281254433003)
.png)
JUST TI - http://e-journal.polnes.ac.id/index.php/justi is licensed under a Creative Common Attribute Share-Alike 4.0 International