Klasifikasi Kualitas Bunga Cengkeh untuk Meningkatkan Mutu Dengan Pemanfaatan Ciri Gray Level Co-Occurence Matrix (GLCM)
pdf

Keywords

metode GLCM
mutu bunga cengkeh
pengolahan citra

How to Cite

Yaspin, Y. N. ., Widodo, D. W. ., & Sulaksono, J. . (2020). Klasifikasi Kualitas Bunga Cengkeh untuk Meningkatkan Mutu Dengan Pemanfaatan Ciri Gray Level Co-Occurence Matrix (GLCM). Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 4(3), 149–154. https://doi.org/10.29407/inotek.v4i3.78

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.

https://doi.org/10.29407/inotek.v4i3.78
pdf

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

Downloads

Download data is not yet available.