Pendugaan Kelas Mutu Buah Pepaya Berdasarkan Ciri Tekstur GLCM Menggunakan Algoritma K-Nearest Neighbors

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

Klasifikasi Bunga Mawar Menggunakan KNN Dan Ekstraksi Fitur GLCM Dan HSV

“…Penelitian sebelumnya yang berkaitan dangan pemanfaatan metode GLCM dalam ekstraksi fitur tekstur pernah dilakukan oleh [6] dengan judul Pendugaan Kelas Mutu Buah Pepaya Berdasarkan Ciri Tekstur GLCM Menggunkana Algoritma K-Nearest Neighbors. Dalam penelitian tersebut mendapatkan hasil akurasi sebesar 88%.…”

Kombinasi Vigenere dan Autokey Cipher dalam Proses Proteksi SMS Berbasis Android

“…Multiple Encryption merupakan suatu metode untuk meningkatkan keamanan data atau informasi dengan melakukan proses enkripsi secara berulang menggunakan algortitma yang sama atau berbeda guna meningkatkan kompleksitas enkripsi pada data atau informasi (Sulaksono, 2016). (Wibowo, Hakim and Sugiyanto, 2018) telah membuat pengembangan algoritma advance encryption standard pada sistem keamanan sms dengan menggunakan algoritma vigenere berbasis android. Dengan menambahkan algoritma vigenere diharapkan dapat meningkatkan keamanan pada pengiriman dan penerimaan pesan yang telah menggunakan algoritma AES.…”

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

“…Panen buah jambu biji merah ini terkadang bergantung jarak tempuh daerah pemasaran. Daerah pemasaran yang dekat, buah dipanen saat kulit buah kuning kehijauan, dan mutu buah jambu biji juga dapat dilihat dari segi tekstur yaitu gores, busuk, dan kulit yang terkelupas (Wibowo et al, 2018). (Budianita et al, 2015) melaporkan bahwa buah jambu biji memiliki daya simpan antara 2-7 hari.…”

“…Menurut Badan Standarisasi Nasional (Wibowo et al, 2018) jambu biji untuk konsumsi segar digolongkan dalam tiga kelas mutu yaitu kelas super, kelas A, dan kelas B, dalam pengelompokan kelas mutu jambu biji berdasarkan kelas buah Standar Nasional Indonesia (SNI) bertujuan agar para petani jambu biji dapat meningkatkan daya saing pasar dengan kualitas buah terbaik dan preferensi konsumen dalam membeli buah jambu biji mendapatkan kualitas yang baik. (Roidah, 2015) Karena Jambu merah pada umumnya memiliki banyak manfaat dan dapat dijadikan bahan baku bagi industri medis dan bahan baku industri lainnya sehingga penulis akan mengangkat judul tentang klasifikasi jambu biji getas`merah berdasarkan mutu agar diharapkan para konsumen mengetahui mutu buah jambu yang akan dikonsumsinya, dan diharapkan para petani dapat pula menjadikan acuan untuk mengklasifikasikan buah jambu yang dijualnya berdasarkan mutu yang telah ditetapkan oleh Badan Standarisasi Nasional (Prahudaya & Harjoko, 2017).…”