PENERAPAN METODE GRAY LEVEL CO-OCCURRENCE MATRIX DAN KNN UNTUK MENDETEKSI TINGKAT KEMATANGAN BUAH MENGKUDU

Rakhmat Kurniawan, Rini Halila Nasution, Sri Marwah Badrin

Abstract


Abstract: The process to detect the degree of ripeness carried out manually and traditionally leads to a lack of quality in sorting fruit between ripe and unripe fruit. So this becomes a problem how to recognize the fruit so that it suits its condition. Therefore, to determine the accuracy of the maturity level of noni fruit using the GLCM and KNN algorithms using noni fruit image samples that are converted into grayscale images. The final stage in pattern recognition is classification for the determination of an image object whether it belongs to a particular class or not. The classification method used in classifying noni fruit plants is KNN. The characteristic extraction process in noni fruit images using the GLCM algorithm with the aim of determining the maturity level of noni fruit. Then, a process of classifying the maturity level of noni fruit was carried out using the KNN method in order to obtain information about the maturity level of noni fruit designed using matlab and phyton In the maturity classification of noni fruit has an accuracy value of 67% research using the GLCM and KNN methods In the maturity classification of noni fruit has an accuracy value of 67% in the input value neighborliness K=5 and K=7, accuracy of 58% on input neighborliness values K=1, K=3 and K=9.

 

Keywords: noni fruit, GLCM, KNN

Abstrak: Proses untuk mendeteksi tingkat kematangan yang dilakukan secara manual dan tradisional menyebabkan kurangnya kualitas dalam memilah buah antara buah matang dan tidak matang. Sehingga ini menjadi sebuah masalah bagaimana mengenali buah tersebut sehingga sesuai dengan kondisinya. Maka dari itu untuk mengetahui hasil akurasi dari tingkat kematangan buah mengkudu dengan memakai algoritma GLCM dan KNN dengan memakai sampel gambar buah mengkudu yang diubah menjadi citra grayscale. Tahap terakhir dalam pengenalan pola adalah klasifikasi untuk penentuan suatu objek citra apakah masuk dalam kelas tertentu atau tidak. Metode klasifikasi yang digunakan dalam pengklasifikasian tanaman buah mengkudu yaitu KNN. Proses ekstraksi ciri pada citra buah mengkudu dengan menggunakan algoritma GLCM dengan tujuan untuk mengetahui tingkat kematangan buah mengkudu. Kemudian, dilakukan proses klasifikasi tingkat kematangan buah mengkudu menggunakan metode KNN agar mendapatkan informasi mengenai tingkat kematangan buah mengkudu yang dirancang menggunakan matlab dan phyton Pada klasifikasi kematangan buah mengkudu memiliki nilai akurasi sebesar 67% penelitian menggunakan metode GLCM dan KNN Pada klasifikasi kematangan buah mengkudu memiliki nilai akurasi sebesar 67% pada masukan nilai ketetanggaan K=5 dan K=7, akurasi sebesar 58% pada masukan nilai ketetanggaaan K=1, K=3 dan K=9.

 

Kata kunci: buah mengkudu, GLCM, KNN


Full Text:

PDF

References


C. Y. Sari, "Penggunaan Buah Mengkudu (Morinda Citrifolial.)Untuk Menurunkan Tekanan Darah Tinggi," J Majority, pp. 34-40, 2020.

P. B. Simangunsong, "Reduksi Noise Salt And Pepper Pada Citra Digital Menggunakan Metode Contraharmonic Mean Filter," Media Informasi Analisa Dan Sistem, vol. 1, no. 1, pp. 161-166, 2020.

A. Prasetio, "Citra Digital Dan Algoritma Penerapannya," pp. 4-16, 2021.

M. Wulandari, "Filterisasi Noise Pada Citra Uang Logam Indonesia," TESLA : Jurnal Teknik Elektro, vol. 20, no. 1, 2019.

A. Juheri, "Identifikasi Pola Sidik Jari Berbasis Transformasi Wavelet Dan Jaringan Syaraf Tiruan Propagasi Balik," Unnes Journal, 2019.

R. Kusumanto and A. N. Tompunu, "PENGOLAHAN CITRA DIGITAL UNTUK MENDETEKSI OBYEK MENGGUNAKAN PENGOLAHAN WARNA MODEL NORMALISASI RGB," Semantic Scholar, 2021.

A. M. Ismail, "Cara Kerja Algoritma k-Nearest Neighbor (k-NN)," pp. 1-5, 2019.

D. O. Saputra and H. Saptono, "Implementasi Network Monitoring System Terintegrasi," Jurnal Informatika Terpadu, pp. 6-17, 2019.

D. F. Marleny, "Mengenal Pengolahan Citra Digital menggunakan Python," Pena PErsada, 2021.

Z. Arifin, W. J. Shudiq and S. Maghfirah, "Penerapan Metode Knn (K-Nearest Neighbor) Dalam Sistem Pendukung Keputusan Penerimaan Kip (Kartu Indonesia Pintar) Di Desa Pandean Berbasis Web Dan Mysql.," NJCA (Nusantara Journal of Computers and Its Applications), vol. 4, no. 1, 2019.

Q. Shandy, S. Panna and Y. Malago, "Penerapan Metode Grey Level Co-Occurrence Matriks (GLCM) dan K-Nearest Neighbor (K-NN) Untuk Mendeteksi Tingkat Kematangan Buah Belimbing Bintang.," Jurnal Cosphi, vol. 3, no. 1, pp. 31-36, 2019.

R. Rosaly, "Pengertian Flowchart Beserta Fungsi dan Simbol-simbol Flowchart yang Paling Umum Digunakan," 2019.

Sriani and M. Ikhsan, "Implementasi Kompresi Citra Digital Menggunakan Algoritma Wavelet," keTIK, vol. 8, no. 1, pp. 53-58, 2019.

A. Husna, Muthmainnah and Safwandi, "Sistem Penerjemahan Kitab Pelajaran Ibadah Kedalam Bahasa Indonesia Menggunakan Metode City Block Distance Sistem Penerjemahan Kitab Pelajaran Ibadah Kedalam Bahasa Indonesia Menggunakan Metode City Block Distance.," TECHSI - Jurnal Teknik Informatika, vol. 11, no. 1, 2019.

C. Amalia, "Pengenalan Tekstur Pahatan Pada Citra Prasasti Menggunakan Backpropagation.," Repository IST, 2019.




DOI: https://doi.org/10.54314/jssr.v7i2.1836

Article Metrics

Abstract view : 34 times
PDF - 17 times