Klasifikasi Buah Segar dan Busuk Menggunakan Ekstraksi Fitur Hu-Moment , Haralick dan Histogram
Sari
Seiring dengan perkembangan zaman, teknologi berkembang dengan pesat saat ini. Dengan perkembangan teknologi sekarang ini memudahkan semua orang mengakses apa saja. Banyak teknologi yang sudah ditemukan salah satunya adalah pengolahan citra digital, Identifikasi pada sebuah citra sudah lama dikembangkan salah satunya dengan membedakan tekstur pada citra tersebut. Tekstur citra dapat dibedakan oleh kerapatan, keseragaman, kekasaran dan keteraturan dari citra yang diteliti. Agriculture saat ini sedang ramai di bahas khususnya di indonesia, banyak sekali penelitian yang di lakukan dalam sektor pertanian guna memajukan sektor pertanian itu sendiri. Dalam penelitian kali ini yaitu ekstraksi fitur menggunakan Hu-moment, Haralick dan Histogram dan klasifikasi menggunakan algoritma Random Forest. Peneliti mencoba mengklasifikasi buah-buahan segar atau busuk, dengan algoritma yang digunakan yaitu algoritma Random Forest, penelitian ini mendapatkan akurasi yang sangat tinggi yakni 99.6% sangat baik sekali. Namun guna memperbaharui penelitian bisa mencoba beberapa fitur dan algorithma yang berbeda agar mendapatkan perbandingan atau hasil yang lebih maksimal.
Kata kunci: ekstraksi fitur, Hu-moment Haralick dan Histogram, Random Forest.Teks Lengkap:
PDFReferensi
dan R. I. Y. Garis K, I. Santoso, “Klasifikasi Citra dengan Matriks Ko-Okurensi Aras Keabuan (Gray Level Co-Occurrence Matrix-GLCM) pada Limakelas Biji-Bijian,” 2011.
I. Permatasari dan T. Sutojo, “Pengenalan Ciri Garis Telapak Tangan Menggunakan Ekstraksi Fitur (GLCM) dan Metode (KNN),” 2016.
D. Syahid, Jumadi, and D. Nursantika, “Sistem Klasifikasi Jenis Tanaman Hias Daun Philodendron Menggunakan Metode K-Nearest Neighboor (KNN) Berdasarkan Nilai Hue, Saturation, Value (HSV),” JOIN, vol. I, no. 1, pp. 20–23, 2016.
F. R. Moeis, T. Dartanto, J. P. Moeis, and M. Ikhsan, “A longitudinal study of agriculture households in Indonesia: The effect of land and labor mobility on welfare and poverty dynamics,” World Dev. Perspect., vol. 20, no. August 2019, p. 100261, 2020, doi: 10.1016/j.wdp.2020.100261.
H. Sapto, “Membangun Sistem Keprofesian Penyuluh Pertanian,” J. Ilmu-Ilmu Pertan., vol. 4, no. 1, pp. 38–46, 2008.
A. Bhargava and A. Bansal, “Automatic Detection and Grading of Multiple Fruits by Machine Learning,” Food Anal. Methods, vol. 13, no. 3, pp. 751–761, 2020, doi: 10.1007/s12161-019-01690-6.
I. F. Rahmad et al., “Perancangan Dan Implementasi Alat Pendeteksi Kesegaran Buah Berbasis Arduino,” vol. 1, no. 1, pp. 368–379.
T. Ananthanarayana, R. Ptucha, and S. C. Kelly, “Deep Learning based Fruit Freshness Classification and Detection with CMOS Image sensors and Edge processors,” Electron. Imaging, vol. 2020, no. 12, pp. 172-1-172–7, 2020, doi: 10.2352/issn.2470-1173.2020.12.fais-172.
L. Ratnawati and D. R. Sulistyaningrum, “Penerapan Random Forest untuk Mengukur Tingkat Keparahan Penyakit pada Daun Apel,” vol. 8, no. 2, pp. A71–A77, 2019.
H. Zhang, M. Jiang, and Q. Kou, “Color Image Retrieval Algorithm Fusing Color and Principal Curvatures Information,” IEEE Access, vol. 8, pp. 184945–184954, 2020, doi: 10.1109/access.2020.3030056.
S. Gayathri, A. K. Krishna, V. P. Gopi, and P. Palanisamy, “Automated Binary and Multiclass Classification of Diabetic Retinopathy Using Haralick and Multiresolution Features,” IEEE Access, vol. 8, pp. 57497–57504, 2020, doi: 10.1109/ACCESS.2020.2979753.
Z. Wu et al., “Application of image retrieval based on convolutional neural networks and Hu invariant moment algorithm in computer telecommunications,” Comput. Commun., vol. 150, pp. 729–738, 2020, doi: 10.1016/j.comcom.2019.11.053.
F. Gorunescu, Data Mining concepts, models and techniques. 2011.
E. Goel and E. Abhilasha, “Random Forest: A Review,” Int. J. Adv. Res. Comput. Sci. Softw. Eng., vol. Vol. 7, no, 2017.
DOI: https://doi.org/10.31294/ijcit.v6i1.10052
##submission.copyrightStatement##
##submission.license.cc.by-sa4.footer##
P-ISSN: 2527-449X E-ISSN: 2549-7421
Statistik Pengunjung Jurnal IJCIT
