Klasifikasi Tingkat Kematangan Buah Sawit Berdasarkan Ekstraksi Fitur RGB dan GLCM Menggunakan Algoritma K-NN
:
https://doi.org/10.32409/jikstik.22.4.3402
Keywords:
Kelapa Sawit, Ekstraksi Fitur, RGB, GLCM, KNNAbstract
Tanaman kelapa sawit merupakan tanaman perkebunan tropis yang memiliki persebaran luas di Indonesia dan merupakan sumber utama produksi minyak kelapa sawit. Dengan adanya produksi buah kelapa sawit berskala besar dari perusahaan kelapa sawit serta perkebunan-perkebunan milik masyarakat lokal, dituntut hadirnya inovasi yang dapat memberi manfaat dan meningkatkan produktivitas perkebunan kelapa sawit itu sendiri. Dengan memperhatikan tingkat kematangan dari buah sawit yang sangat penting dalam penentu hasil dan kualitas panen, dilakukan penelitian yang dapat mengklasifikasi tingkat kematangan buah sawit berdasarkan warna dengan memanfaatkan citra yang diekstraksi menjadi dataset. Penelitian ini menerapkan metode klasifikasi algoritma K-NN terhadap data citra buah kelapa sawit yang diolah dengan bahasa pemrograman python oleh software google colab menggunakan metode ekstraksi fitur RGB dan GLCM. Hasil yang diperoleh berupa dataset yang menyajikan susunan pola numerik dari fitur GLCM dan rata-rata fitur RGB. Klasifikasi dilakukan dengan menggunakan algoritma KNN dan diperoleh hasil akurasi dari nilai k=9,7,5, dan 3 senilai 56.00% dan nilai k=1 senilai 68.00%.
Downloads
References
D. J. Kusuma, “Pelaksanaan Panen Tandan Buah Segar (Tbs) Kelapa Sawit (Elais guineensis Jacq.),” Politeknik Negeri Lampung, 2021. [Online]. Available: http://repository.polinela.ac.id/id/eprint/2417
D. Julianto, “Pengaruh Temperatur Terhadap Proses Pemurnian Cpo Pada Crude Oil Tank(Cot) Di Stasiun Klarifikasi Di Pt.Multimas Nabati Asahan Kuala Tanjung,” Universitas Sumatera Utara, Medan, 2012. [Online]. Available: https://repositori.usu.ac.id/handle/123456789/75316
M. Rifqi, M. Akbar, and Y. Fitrisia, “Aplikasi Pendeteksian Kematangan Tandan Buah Segar (TBS) Kelapa Sawit Berdasarkan Komposisi Warna Menggunakan Algoritma K-NN,” Politek. Caltex Riau, vol. 6, no. 1, pp. 99–107, 2020, doi: https://doi.org/10.35143/jkt.v6i1.3338.
F. Kosasih, “Estimasi Biomassa Tanaman Nanas Berdasarkan Lebar Daun Menggunakan Algoritma Machine Learning,” Universitas Lampung, 2023. [Online]. Available: http://digilib.unila.ac.id/id/eprint/69137
C. Paramita, E. Hari Rachmawanto, C. Atika Sari, and D. R. Ignatius Moses Setiadi, “Klasifikasi Jeruk Nipis Terhadap Tingkat Kematangan Buah Berdasarkan Fitur Warna Menggunakan K-Nearest Neighbor,” J. Inform. J. Pengemb. IT, vol. 4, no. 1, pp. 1–6, 2019, doi: 10.30591/jpit.v4i1.1267.
D. Elvira, “Klasifikasi Citra Daun Kelapa Sawit Yang Terkena Dampak Hama Menggunakan Metode K-Nearest Neighbor ( KNN ),” Universitas Islam Riau, 2021. [Online]. Available: Yayasan Lembaga Pendidikan Islam Daerah Riau Universitas Islam Riau Fakultas Teknik%0aklasifikasi Citra Daun Kelapa Sawit Yang Terkena Dampak Hama Menggunakan Metode K-Nearest Neighbor (KNN)
D. Restiana and Nurahman, “Analisis Penerapan Metode Cosine Similarity Dalam Pengklasifikasian Surat Menyurat,” Universitas Darwan Ali, 2022. [Online]. Available: https://perpus.unda.ac.id/lib/index.php?p=show_detail&id=4333&keywords=
M. Urban, F. Berbasis, and M. Di, “Jurnal Informatika dan Komputer PENS,” vol. 8, pp. 37–43, 2020.
R. Widia, V. Novianti, Y. Syahidin, and M. Hidayati, “Sistem Informasi Korespondensi Rekam Medis di Rumah Sakit Menggunakan Microsoft Visual Studio,” Expert J. Manaj. Sist. Inf. dan Teknol., vol. 11, no. 1, p. 56, 2021, doi: 10.36448/expert.v11i1.2013.
C. Rahmad, M. Astiningrum, and N. B. Purnomo, “Identifikasi Dan Prediksi Tingkat Kematangan Pisang Candi Dengan Fitur Warna Dan Tekstur Menggunakan Metode K-Nearest Neighbor Cahya,” Semin. Inform. Apl. Polinema, pp. 188–193, 2019.
I. Amalia, “Ekstraksi Fitur Citra Songket Berdasarkan Tekstur Menggunakan Metode Gray Level Co-occurrence Matrix (GLCM),” J. Infomedia, vol. 3, no. 2, pp. 64–68, 2018, doi: 10.30811/jim.v3i2.715.
D. P. Andini, Y. B. G. Sugiarta, and E. P. S. Zaelani, “Pendeteksian dan Pengenalan Citra Wajah dengan Ekstraksi Fitur Menggunakan Filter Gabor,” JTERA (Jurnal Teknol. Rekayasa), vol. 5, no. 2, p. 257, 2020, doi: 10.31544/jtera.v5.i2.2020.257-266.
A. E. Prasetyo, “Implementasi Scale Invariant Feature Transform- Histogram of Gradients dan Multiclass SVM Untuk Handtracking Pada Kontrol Mouse Pointer,” 2018, [Online]. Available: https://elibrary.unikom.ac.id/id/eprint/472/%0Ahttps://elibrary.unikom.ac.id/id/eprint/472/8/UNIKOM_ANGGY EDO PRASETYA_BAB 2.pdf
N. A. Khairudin and Wahyu Saputro, “Klasifikasi Kualitas Mutu Buah Delima Dengan Menggunakan Ekstraksi Gray Level Co-Occurrence Matrix (Glcm) Dan K-Nearest Neighbor (Knn),” J. Inform. Teknol. dan Sains, vol. 4, no. 3, pp. 273–278, 2022, doi: 10.51401/jinteks.v4i3.1990.
F. A. D. Aji Prasetya Wibawa, Muhammad Guntur Aji Purnama, Muhammad Fathony Akbar, “Metode-metode Klasifikasi,” Pros. Semin. Ilmu Komput. dan Teknol. Inf., vol. 3, no. 1, p. 134, 2018.
M. P. Vaishnnave, K. Suganya Devi, P. Srinivasan, and G. Arutperumjothi, “Detection and classification of groundnut leaf diseases using KNN classifier,” IEEE Int. Conf. Syst. Comput. Autom. Netw., pp. 1–5, 2019, doi: doi: 10.1109/ICSCAN.2019.8878733.
Downloads
Published
How to Cite
Issue
Section
Categories
Abstract View: 0 times
