Klasifikasi Jeruk Segar dan Busuk Melalui GLCM dan HSV dengan Menggunakan Metode ANN

Alisyia Kornelia Ulandari; Ghina Kamilah Ramdhani; Wahyuningsih Wahyuningsih; M. Naufal Arwansyuri; Fitri Bimantoro

doi:10.29407/stains.v3i1.4358

Authors

Alisyia Kornelia Ulandari Universitas Mataram
Ghina Kamilah Ramdhani Universitas Mataram
Wahyuningsih Wahyuningsih Universitas Mataram
M. Naufal Arwansyuri Universitas Mataram
Fitri Bimantoro Universitas Mataram

DOI:

https://doi.org/10.29407/stains.v3i1.4358

Keywords:

ANN, GLCM, HSV, Jeruk

Abstract

Evolusi pesat teknologi komputer berdampak besar pada berbagai sektor, termasuk pertanian, di mana inovasi digital memiliki peran yang sangat penting. Dalam penelitian ini, kami membahas klasifikasi kualitas jeruk menggunakan teknik computer vision. Dengan memanfaatkan dataset yang terdiri dari 1.466 gambar jeruk segar dan 1.595 gambar jeruk busuk, penelitian ini menggunakan metode ekstraksi fitur GLCM dan HSV untuk mengekstrak informasi tekstur dan warna. Fokusnya adalah menyederhanakan proses klasifikasi berdasarkan warna dan tekstur kulit untuk meningkatkan akurasi. Penelitian ini berpotensi besar untuk meningkatkan penilaian terhadap kualitas jeruk, memberikan keuntungan yang signifikan bagi penjual, pembeli, dan komunitas peneliti di sektor pertanian. Hasil penelitian ini menunjukkan kinerja model yang memuaskan, dengan akurasi mencapai 86,88% dengan penerapan metode ANN.

Downloads

Download data is not yet available.

References

S. Napitu, R. Paramita Panjaitan, P. A. Nulhakim, and M. Khalik Lubis, “Klasifikasi Buah Jeruk Segar dan Busuk Berdasarkan RGB dan HSV Menggunakan Metode KNN,” J. SAINTEKOM, vol. 13, no. 2, pp. 214–221, 2023, doi: 10.33020/saintekom.v13i2.420.

R. Widodo, A. W. Widodo, and A. Supriyanto, “Pemanfaatan Ciri Gray Level Co-Occurrence Matrix (GLCM) Citra Buah Jeruk Keprok (Citrus reticulata Blanco) untuk Klasifikasi Mutu,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. 11, pp. 5769–5776, 2018, [Online]. Available: https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/3420

A. Hadinegoro and D. A. Rizaldilhi, “Pengaruh HSV Pada Pengolahan Citra Untuk Kematangan Buah Cabai,” Build. Informatics, Technol. Sci., vol. 3, no. 3, pp. 155–163, 2021, doi: 10.47065/bits.v3i3.1020.

K. Komal, “GLCM Algorithm and SVM Classification Method for Orange Fruit Quality Assessment,” Int. J. Eng. Res. Technol., vol. 8, no. 09, pp. 697–703, 2019, [Online]. Available: https://www.semanticscholar.org/paper/7e8c0e774b93e518201cd05055ed97fdf61a23c1

K. P. Siwilopo and H. Marcos, “Membandingkan Klasifikasi Pada Buah Jeruk Menggunakan Metode Convolutional Neural Network Dan K-Nearest Neighbor,” Komputa J. Ilm. Komput. dan Inform., vol. 12, no. 1, pp. 57–64, 2023, doi: 10.34010/komputa.v12i1.9068.

Meiriyama, “Klasifikasi Citra Buah berbasis fitur warna HSV dengan klasifikatorSVM,” J. Komput. Terap., vol. 4, no. 1, pp. 50–61, 2018, [Online]. Available: http://jurnal.pcr.ac.id

R. Rahmadewi, G. L. Sari, and H. Firmansyah, “Pendeteksian Kematangan Buah Jeruk Dengan Fitur Citra Kulit Buah Menggunakan Transformasi Ruang Warna HSV,” JTEV (Jurnal Tek. Elektro dan Vokasional), vol. 5, no. 1.1, p. 166, 2019, doi: 10.24036/jtev.v5i1.1.107560.

R. Wahyusari, S. Nuralimah, P. Studi Informatika, and S. Tinggi Teknologi Ronggolawe, “Classification of Citrus Disease Using Feature Extraction Co-Occurrence Matrix (GLCM) and Neural Network (NN) Algorithms,” Pros. SENDIKO (Seminar Nas. Has. Penelit. Pengabdi. Masy. Bid. Ilmu Komputer), vol. 2, pp. 90–96, 2023.

A. R. K. Haba and K. C. Pelangi, “Sistem Cerdas Dalam Klasifikasi Kematangan Buah Jeruk Berdasarkan Fitur Ekstraksi Glcm Dengan Metode Naïve Bayes,” J. Teknol. dan Manaj. Inform., vol. 5, no. 2, 2019, doi: 10.26905/jtmi.v5i2.3935.

A. W. Putri, “Implementasi Artificial Neural Network (ANN) Backpropagation Untuk Klasifikasi Jenis Penyakit Pada Daun Tanaman Tomat,” MATHunesa J. Ilm. Mat., vol. 9, no. 2, pp. 344–350, 2021, doi: 10.26740/mathunesa.v9n2.p344-350.