Sistem Klasifikasi Kualitas Kopra Berdasarkan Warna dan Tekstur Menggunakan Metode Nearest Mean Classifier (NMC)
DOI:
https://doi.org/10.25126/jtiik.201744479Abstrak
Abstrak
Klasifikasi kualitas kopra dengan bantuan komputer menggunakan pengolahan citra dapat membantu mempercepat pekerjaan manusia. Teknik data mining dapat dimanfaatkan untuk klasifikasi kualitas kopra berdasarkan warna RGB (red, green, blue) dan tekstur (energy, contrast, correlation, homogeneity), . Permasalahannya adalah kesulitan dalam memprediksi kualitas kopra dalam kelas A (80-85%), kelas B (70-75%) dan kelas C (60-65%). Tujuan dari penelitian ini ialah membangun aplikasi untuk klasifikasi kualitas kopra berdasarkan warna dan tekstur. Adapun metode klasifikasi yang digunakan adalah nearest mean classifier (NMC). Sebelum proses klasifikasi dilakukan praproses background subtraction dengan metode pixel subtraction untuk memisahkan objek dengan latarnya. Manfaat dari penelitian ini antara lain dapat menghemat waktu dalam melakukan klasifikasi kualitas kopra dan dapat mempermudah penentuan harga jual beli kopra. Berdasarkan hasil evaluasi metode cross validation diperoleh ketelitian rata-rata adalah 80.67% dengan simpangan baku 1.17%.
Kata Kunci: Klasifikasi, citra, kopra, nearest mean classifier, pixel subtraction, warna RGB, tekstur
Abstract
The classification of copra quality with the help of computer by using image processing can help to speed up human work. Data mining techniques can be utilized for copra quality classification based on RGB color (red, green, blue) and texture (energy, contrast, correlation, homogeneity). The problem is the difficulty in predicting the quality of copra in grade of A (80-85%), grade of B (70-75%) and grade of C (60-65%). The purpose of this study is to develope an application for the classification of copra quality based on color and texture. The method used is the nearest mean classifier (NMC). Preprocessing is done before the classification process for background subtraction by using pixel subtraction method to separate the image of object against the background. The benefits of this research are it can save time in classifying the quality of copra and can facilitate the determination of copra price. Based on the evaluation result by using cross validation method obtained the average accuracy is 80.67% with standard deviation is 1.17%.
Keywords: classification, image, copra, nearest mean classifier, pixel subtraction, RGB color, texture
Downloads
Referensi
ABDULLAH, & KU RUHANA KU-MAHAMUD. 2016. Ant System-Based Feature Set Partitioning Algorithm for Classifier Ensemble Construction. International Journal of Soft Computing 11(3): 176–84.
BHAT, MUZAMIL. 2014. Digital Image Processing. International Journal of Scientific & Technology Research 3(1): 272–76. www.ijstr.org.
BHAVSAR, HEMINA. 2017. Review on Feature Extraction Methods of Image Based Sign Language Recognition System. Indian Journal of Computer Science and Engineering 8(3): 249–59.
GUNAWAN, ABDILLAH, PUTRA, F. A. & RENALDI, F. 2016. Penerapan Data Mining Pemakaian Air Pelanggan Untuk Menentukan Klasifikasi Potensi Pemakaian Air Pelanggan Baru Di PDAM Tirta Raharja Menggunakan Algoritma K-Means. Seminar Nasional Teknologi Informasi Dan Komunikasi (SENTIKA), Yogyakarta, 498–506.
HARSONO, SISBUDI, S. & SIREGAR, K. 2015. Peningkatan Kinerja Mesin Diesel Dengan Produksi Biodiesel Dari Kelapa (Coconut Nufera) Dan Unjuk Kinerjanya Berbasis Transesterifikasi Dengan Sistem Injeksi Langsung. Jurnal Rona Teknik Pertanian 8 (2)(Oktober): 62–75.
KAMATE, SHREYAMSH, & YILMAZER, N. 2015. Application of Object Detection and Tracking Techniques for Unmanned Aerial Vehicles. Procedia Computer Science 61: 436–41.
KUMAR, SATRUGHAN, & YADAV, J.S. 2017. Advances in Intelligent Systems and Computing. Proceeding of International Conference on Intelligent Communication, Control and Devices, eds. R Singh and Choudhury.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Artikel ini berlisensi Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0)
Penulis yang menerbitkan di jurnal ini menyetujui ketentuan berikut:
- Penulis menyimpan hak cipta dan memberikan jurnal hak penerbitan pertama naskah secara simultan dengan lisensi di bawah Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0) yang mengizinkan orang lain untuk berbagi pekerjaan dengan sebuah pernyataan kepenulisan pekerjaan dan penerbitan awal di jurnal ini.
- Penulis bisa memasukkan ke dalam penyusunan kontraktual tambahan terpisah untuk distribusi non ekslusif versi kaya terbitan jurnal (contoh: mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan penerbitan awalnya di jurnal ini.
- Penulis diizinkan dan didorong untuk mem-posting karya mereka online (contoh: di repositori institusional atau di website mereka) sebelum dan selama proses penyerahan, karena dapat mengarahkan ke pertukaran produktif, seperti halnya sitiran yang lebih awal dan lebih hebat dari karya yang diterbitkan. (Lihat Efek Akses Terbuka).
