Klasifikasi Kematangan Buah Pisang Berdasarkan Fitur Warna dengan Metode SVM

Arvi Arkadia, Abitdavy Athallah Muhammad, Sheva NaufalRifqi, Trianto Trianto, Desta Sandya Prasvita

Abstract


Dalam menentukan tingkat kematangan buah, warna biasanya menjadi pedoman untuk membedakan secara tradisional. Warna ini akan menjadi tolak ukur untuk menentukan tingkat kematangan melalui mata manusia. Akan tetapi warna manusia tidak selalu tepat untuk menentukan kematangan tersebut. Maka dari itu, penelitian ini dimaksudkan untuk memudahkan klasifikasi kematangan pada buah melalui warna. Penelitian ini menggunakan buah pisang sebagai bahan percobaan yang dilakukan dengan menggunakan metode SVM(Support Vector Machine). Data yang digunakan berjumlah 80 gambar yang memiliki citra warna bermacam – macam. Citra tersebut akan dikonversi menjadi grayscale untuk memudahkan proses klasifikasi dan dicari nilai A dari LAB dan RGB(Red, Green, Blue) sebagai threshold untuk mengklasifikasikan buah tersebut matang atau tidak, serta akurasi dari metode SVM yang digunakan. Dari hasil penelitian diperoleh akurasi kematangan sebesar 75% dari 80 data citra pisang.


Keywords


Warna, Klasifikasi, SVM, RGB

References


Arief, Muhammad. 2019. Klasifikasi Kematangan Buah Jeruk Berdasarkan Fitur Warna Menggunakan Metode SVM. Jurnal Komputer dan Desain Komunikasi Vol 4.

Andi, Baso Kaswar., Andi, A. N. Risal., Fatiah, Nurjannah. 2020. Klasifikasi Tingkat Kematangan Buah Markisa Menggunakan Jaringan Syaraf Tiruan Berbasis Pengolahan Citra Digital. Vol 01. No.1.

Imelda A.Muis, Muhammad Affandes. 2015. Penerapan Metode Support Vector Machine (SVM) Menggunakan Kernel Radial Basis Function (RBF) Pada Klasifikasi Tweet. Jurnal Sains, Teknologi dan Industri, Vol 12.

P. Navin, Y. Singh, Support vector machines for face recognition, "IRJET Volume: 02 Issue: 08. 1521, November 2015.

Nadzir, Zaid Munantri., Herry, Sofyan., Mangaras, Y. F. 2019. Aplikasi Pengolahan citra digital untuk identifikasi umur pohon. Jurnal Telematika Vol 16.

Raudlatul, Munawarah., Oni, Soesanto., Reza, M. Faisal. 2016. Penerapan Metode Support Vector Machine Pada Diagnosa Hepatitis. Kumpulan Jurnal Ilmu Komputer. Vol 04. No 1.

Reyhan, Achmad Rizal., Imron, Sanjaya Girsang., Sidik, Apriyadi Prasetiyo. 2019. Klasifikasi Wajah Menggunakan Support Vector Machine (SVM). Riset dan E-Jurnal Manajemen Informatika Komputer. Vol 3. No.2.

Shinta, Aprilisa., Sukemi. 2019. Klasifikasi Tingkat Kematangan Buah Tomat Berdasarkan Fitur Warna Menggunakan K-Nearest Neighbor. Jurnal Komputer Sains dan ICT. Vol 5 No.1.

Suastika, Yulia Riska., Puji, Subekti. 2016. KLASIFIKASI LEVEL KEMATANGAN BUAH TOMAT BERDASARKAN FITUR WARNA MENGGUNAKAN MULTI-SVM. Jurnal Ilmiah Informatika Vol 1.

Tryse, Rezza Biantong., Muhammad, Tanzil Furqon., Arief, Andy Soebroto. 2019. Implementasi Metode Support Vector Machine Untuk Klasifikasi Jenis Penyakit Malaria. Vol 3. No.2.


Refbacks

  • There are currently no refbacks.


Copyright (c) 2022 Senamika

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.