Keywords
mutu bunga cengkeh
pengolahan citra
How to Cite
Abstract
Pengolahan citra digital sangat membantu pekerjaan manusia termasuk dalam penanganan pasca panen produk pertanian yaitu dengan mengklasifikasikan jenis dan mutu tanaman sesuai dengan kriteria bukan hanya berdasarkan penilaian objektif dari petani. Pengklasifikasian kualitas bunga cengkeh untuk meningkatkan mutu menggunakan citra digital merupakan sistem yang dapat membantu petani dalam menentukan kualitas cengkeh. Pada penelitian ini pengklasifikasian mutu cengkeh dilakukan berdasarkan hasil deteksi ukuran dan warna cengkeh. Proses untuk mendeteksi ukuran dan warna cengkeh menggunakan metode GLCM yaitu dengan membandingkan nilai threshold dari citra kulit cengkeh yang berwarna cokelat untuk deteksi ukuran dan citra berwarna putih untuk deteksi warna cengkeh dengan sampel uji cengkeh. Threshold yang digunakan untuk mendeteksi ukuran cengkeh yang baik adalah nilai dari 0.01 sampai 0.07 dan nilai dari 0.1 sampai 0.6 sedangkan threshold untuk mendeteksi warna putih yang terdapat pada cengkeh yaitu nilai dari 0.6 sampai 1 dan nilai dari 0 sampai 0.15. Keakuratan sistem penilaian mutu cengkeh menggunakan citra digital bernilai 92.50%, dengan jumlah benar 29 sampel dari 32 sampel cengkeh.
References
Ardi Sanjaya, Danang Wahyu W. (2018). SISTEM IDENTIFIKASI TULISAN TANGAN HURUF HIJAKIYAH. Seminar Nasional Teknologi Informasi dan Komunikasi, 110-115.
Riscilia Alfia Langi Pesik, V. C. (2018). Penilaian Mutu Cengkeh Menggunakan Citra Digital. Jurnal Teknik elektro dan Komputer, 161-166.
Natsir, N. F. (2012). The Next Civilization. Jakarta: Media Maxima, 2012.
Enterprise, J. (2015). Pengenalan PemrogramanKomputer. Jakarta: Elex Media Komputindo.
Sutoyo, T. Mulayanto, E. Vincent S, Oky Dwi N.Wijanarto. 2009, Teori Pengolahan Citra Digital, Andi Yogyakarta.
Nugroho, W.E.N. 2016. Pengenalan Pola Huruf Jepang Hiragana Menggunakan Algoritma Backpropagation. Skripsi. Yogyakarta: Fakultas Sains dan Teknologi Universitas Sanata Dharma. Oki. Renshu : Pelajaran Suku Kata Bahasa Jepang (semester 1). Surabaya: Bintang Surabaya
Ariska Fitria Anggelina, A. S. (2018). Pengenalan Pola Tulisan Huruf Jepang (Hiragana). Generation Journal, 25-31.
Handayanna, F. “Penerapan Particle Swarm Optimization Untuk Seleksi Atribut Pada Metode Support Vector Machine Untuk Prediksi Penyakit Diabetes,” Tesis Magister Ilmu Komputer. Sekolah Tinggi Managemen Informatika dan Komputer Nusa Mandiri,2012.
Zeniarja, J. “Opinion Mining of Movie Review On Twitter Using Support Vector Machine With Particle Swarm Optimization,” Tesis Master of Computer Sience. Universiti Teknikal Malaysia Melaka. 2012
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License