Ekstrasi Ciri Warna HSV Dan Ciri Bentuk Moment Invariant Untuk Klasifikasi Buah Apel Merah

Abstract

Apel merah merupakan salah satu tanaman buah dengan banyak sekali peminat sehingga sangat laris di pasaran. Apel merah juga memiliki beberapa jenis yang sepintas terlihat mirip satu dengan yang lain. Hal inilah yang membuat orang kesulitan dalam membedakan apel merah yang dikonsumsi, apalagi tidak ada label keterangan untuk menjelaskan buah apel tersebut. Oleh karena itu, dalam penelitian ini dilakukan suatu klasifikasi terhadap buah apel merah berdasarkan ciri bentuk dan warna. Data citra yang digunakan yaitu data sekunder yang berformat *JPG dengan ukuran 100 x 100 piksel. Metode yang digunakan yaitu ekstrasi ciri warna Mean HSV (nilai outputnya 3) dan ciri bentuk Moment Invariant (nilai outputnya 7) sehingga setiap citra memiliki 10 nilai. Hasil klasifikasi citra diperoleh dengan menggunakan Euclidean Distance. Sedangkan, skenario pengujian digunakan K-Fold Cross Validation dimana 1.710 data citra dibagi kedalam 10-fold dengan setiap subset terdapat 171 citra. Dari 10-fold dilakukan pengujian sebanyak 50 kali, sehingga diperoleh rata-rata akurasi sebesar 98,82%. Untuk akurasi tertinggi diperoleh pada pengujian ke-46 sebesar 99,12% dan akurasi terendah pada pengujian ke-48 sebesar 98,54%.

Development of Apple Fruit Classification System using Convolutional Neural Network (CNN) MobileNet Architecture on Android Platform

“…Dalam konteks ini, penelitian ini berfokus pada penerapan CNN dengan arsitektur MobileNet untuk mengembangkan sistem klasifikasi buah apel pada platform Android. Pengembangan sistem klasifikasi dalam penelitian ini dibanding dengan sistem klasifikasi apel yang telah dilakukan sebelumnya yaitu mengklasifikasi jenis apel [17], mengklasifikasi penyakit apel [18], mengklasifikasi tingkat kematangan apel [19] adalah mengintegrasikan ketiga klasifikasi tersebut menjadi satu sistem tunggal dengan menciptakan sebuah input citra apel yang dapat menghasilkan tiga output klasifikasi secara bersamaan. Tujuan dari penelitian ini adalah untuk menciptakan solusi yang dapat membantu petani dan stakeholder lainnya dalam mengidentifikasi jenis, penyakit, dan tingkat kematangan buah apel dengan cepat dan akurat melalui perangkat mobile.…”

“…Rata-rata akurasi dari semua pengujian adalah 98,82%. Hasil ini menunjukkan bahwa penggunaan metode ekstraksi fitur warna HSV dan nilai moment invariant sangat efektif dalam penelitian ini [17]. Penelitian apel selanjutnya adalah mengklasifikasi penyakit tanaman apel dari daunnya.…”