Deteksi Kesegaran Buah Apel, Pisang, Dan Jeruk Menggunakan Metode Transformasi Ruang Warna HSI dan K-Nearest Neighbor
Abstract
Klasifikasi tingkat kesegaran buah apel, pisang, dan jeruk secara manual oleh manusia memiliki beberapa kelemahan diantaranya keberagaman persepsi antar individu dalam menentukan kesegaran buah apel, pisang, dan jeruk serta kurangnya konsistensi dalam hal kinerja yang dikarenakan faktor kelelahan. Untuk mengatasi masalah ini, peneliti membuat sistem berbasis komputer yang dapat mengenali tingkat kesegaran buah secara konsisten dibandingkan dengan manusia. Dalam penerapan sistem ini menggunakan aplikasi MATLAB yang melibatkan beberapa tahapan mulai dari pengambilan citra, transformasi RGB ke HSI, klasifikasi dengan algoritma K-Nearest Neighbor yang menghasilkan nilai segar dan busuk. Hasil pengujian yang dilakukan telah diperoleh persentasi akurasi sebesar 100% dari 60 kali percobaan dengan kondisi buah yang berbeda.References
[1] Indarto & Murinto. (2017). Deteksi kesegaran Buah Pisang Berdasarkan Fitur Warna Citra Kulit Pisang Menggunakan Metode Transformasi Ruang Warna HIS (Banana Fruit Detection Based on Banana Skin Image Features Using HSI Color Space Transformation Method). JUITA, Vol. 5(1),15-21.
[2] Saputra W. A. & Arifin A. Z. (2017). Seeded Region Growing pada Ruang Warna HSI untuk Segmentasi Citra Ikan Tuna. Jurnal Infotel, Vol. 9(1), 56-63.
[3] Pulungan, W. A., Mulyani, Y., & Sulistiono, W. E. (2019). Identifikasi kesegaran Buah Kopi Menggunakan Jaringan Syaraf Tiruan Learning Vector Quantization. Barometer, Vol. 4 (2), pp. 217-219.
[4] KALLURI, SRIRAM REDDY (2018). Fruits fresh and rotten for classification. www.kaggle.com. 2018
[5] www.kumparan.com. 10 November 2021 18:14. Pengertian Dataset dan Jenis-jenisnya. Diakses pada 08 Desember 2022, dari : https://kumparan.com/kabar-harian/pengertian-dataset-dan-jenis-jenisnya-1wtM6xNlkpQ
[6] A. Fadhlillah, “Analisis Dan Implementasi Klasifikasi K-Nearest Neighbor Telapak Kaki Manusia.â€
[7] I. A. Halela, “Identifikasi Jenis Buah Apel Menggunakan Algoritma K-Nearest Neighbor (KNN) dengan Ekstraksi Fitur Histogram,†Semarang, 2016.
[8] e. S. Prakoso, “Kajian Sifat Fisik Jeruk Manis (Citrus Sinensis) Menggunakan Pengolahan Citra Digital,†Jember, 2015.
[9] A. A. Muhammad, A. Arkadia, S. Naufalrifqi, and D. S. Prasvita, “Penerapan Transformasi Ruang Warna Hue Saturation Intensity ( HSI ) untuk Mendeteksi Kematangan Buah Tomat,†no. September, pp. 75–81, 2021.
[10] K. A. Pratama, W. P. Atmaja, and V. Lusiana, “Klasifikasi Tingkat Kematangan Buah Kersen Menggunakan Citra HIS Dengan Metode K-Nearest Neighbor ( KNN ) vol. 11, no. 1, pp. 105–108, 2022.
[11] O. R. Indriani, E. J. Kusuma, C. A. Sari, and E. H. Rachmawanto, “Tomatoes classification using K-NN based on GLCM and HSV color space,†in 2017 international conference on innovative and creative information technology (ICITech), 2017, pp. 1–6.
[12] F. Liantoni, “Klasifikasi Daun Dengan Perbaikan Fitur Citra Menggunakan Metode K-Nearest Neighbor,†ULTIMATICS, vol. VII, no. 2, pp. 98–104, 2015.
[13] Prabawati, S., Suyanti, D., & Setyabudi, A. (2008). Teknologi Pascapanen dan Teknik Pengolahan Buah Pisang. Bogor: Balai Besar Penelitian dan Pengembangan Pascapanen Pertanian Badan Penelitian dan Pengembangan Pertanian
[14] Permadi Y. & Murinto. (2015). Aplikasi Pengolahan Citra untuk Identifikasi Kematangan Mentimun Berdasarkan Tekstur Kulit Buah Menggunakan Metode Ekstraksi Ciri Statistik. Jurnal Informatika, Vol. 9(1),1028–1038.
[15] Edha, H. 2020. Penerapan Metode Transformasi Ruang Warna Hue Saturation Intensity (Hsi) Untuk Mendeteksi Kematangan Buah Mangga Harum Manis. Coding : Jurnal Komputer dan Aplikasi ISSN: 2338-493X, 08 (1), (1-10).
[16] Pratama, R. 2019. Deteksi Kematangan Buah Tomat Berdasarkan Fitur Warna Menggunakan Metode Transformasi Ruang Warna HSI (Tomato Fruit Detection Detection Based On Color Features Using HSI Color Space Transformation Method). Informatika dan Ilmu Komputer, 2 (2), 81-86.
[17] Riska, S. Y. 2015. Klasifikasi Level Kematangan Tomat Berdasarkan Perbedaan Perbaikan Citra Menggunakan Rata-Rata RGB Dan Index Pixel. (2015b). Jurnal Ilmiah Teknologi Dan Informasia ASIA (JITIKA) Retrieved from http://lp3m.asia.ac.id/wpcontent/uploads/2015/11/7.-Bu-Riska.pdf
[18] Saputra, W. A. 2017. Seeded Region Growing Pada Ruang Warna HSI Untuk Segmentasi Citra Ikan Tuna. Jurnal Infotel, 9(2), 45-56.
[19] I. N. Tri, A. Putra, and E. Dwi, “Implementasi Sistem Surveillance Berbasis Pengenalan Wajah pada STMIK STIKOM Indonesia,†vol. XIII, no. 2, pp. 65– 72, 2020.
[20] I. N. T. A. Putra and A. Harjoko, “Pengenalan Wajah Berbasis Mobile Menggunakan Fisherface dan Distance Classifier,†J. Sains dan Teknol., vol. 7, no. 1, pp. 135–145, 2018.
[2] Saputra W. A. & Arifin A. Z. (2017). Seeded Region Growing pada Ruang Warna HSI untuk Segmentasi Citra Ikan Tuna. Jurnal Infotel, Vol. 9(1), 56-63.
[3] Pulungan, W. A., Mulyani, Y., & Sulistiono, W. E. (2019). Identifikasi kesegaran Buah Kopi Menggunakan Jaringan Syaraf Tiruan Learning Vector Quantization. Barometer, Vol. 4 (2), pp. 217-219.
[4] KALLURI, SRIRAM REDDY (2018). Fruits fresh and rotten for classification. www.kaggle.com. 2018
[5] www.kumparan.com. 10 November 2021 18:14. Pengertian Dataset dan Jenis-jenisnya. Diakses pada 08 Desember 2022, dari : https://kumparan.com/kabar-harian/pengertian-dataset-dan-jenis-jenisnya-1wtM6xNlkpQ
[6] A. Fadhlillah, “Analisis Dan Implementasi Klasifikasi K-Nearest Neighbor Telapak Kaki Manusia.â€
[7] I. A. Halela, “Identifikasi Jenis Buah Apel Menggunakan Algoritma K-Nearest Neighbor (KNN) dengan Ekstraksi Fitur Histogram,†Semarang, 2016.
[8] e. S. Prakoso, “Kajian Sifat Fisik Jeruk Manis (Citrus Sinensis) Menggunakan Pengolahan Citra Digital,†Jember, 2015.
[9] A. A. Muhammad, A. Arkadia, S. Naufalrifqi, and D. S. Prasvita, “Penerapan Transformasi Ruang Warna Hue Saturation Intensity ( HSI ) untuk Mendeteksi Kematangan Buah Tomat,†no. September, pp. 75–81, 2021.
[10] K. A. Pratama, W. P. Atmaja, and V. Lusiana, “Klasifikasi Tingkat Kematangan Buah Kersen Menggunakan Citra HIS Dengan Metode K-Nearest Neighbor ( KNN ) vol. 11, no. 1, pp. 105–108, 2022.
[11] O. R. Indriani, E. J. Kusuma, C. A. Sari, and E. H. Rachmawanto, “Tomatoes classification using K-NN based on GLCM and HSV color space,†in 2017 international conference on innovative and creative information technology (ICITech), 2017, pp. 1–6.
[12] F. Liantoni, “Klasifikasi Daun Dengan Perbaikan Fitur Citra Menggunakan Metode K-Nearest Neighbor,†ULTIMATICS, vol. VII, no. 2, pp. 98–104, 2015.
[13] Prabawati, S., Suyanti, D., & Setyabudi, A. (2008). Teknologi Pascapanen dan Teknik Pengolahan Buah Pisang. Bogor: Balai Besar Penelitian dan Pengembangan Pascapanen Pertanian Badan Penelitian dan Pengembangan Pertanian
[14] Permadi Y. & Murinto. (2015). Aplikasi Pengolahan Citra untuk Identifikasi Kematangan Mentimun Berdasarkan Tekstur Kulit Buah Menggunakan Metode Ekstraksi Ciri Statistik. Jurnal Informatika, Vol. 9(1),1028–1038.
[15] Edha, H. 2020. Penerapan Metode Transformasi Ruang Warna Hue Saturation Intensity (Hsi) Untuk Mendeteksi Kematangan Buah Mangga Harum Manis. Coding : Jurnal Komputer dan Aplikasi ISSN: 2338-493X, 08 (1), (1-10).
[16] Pratama, R. 2019. Deteksi Kematangan Buah Tomat Berdasarkan Fitur Warna Menggunakan Metode Transformasi Ruang Warna HSI (Tomato Fruit Detection Detection Based On Color Features Using HSI Color Space Transformation Method). Informatika dan Ilmu Komputer, 2 (2), 81-86.
[17] Riska, S. Y. 2015. Klasifikasi Level Kematangan Tomat Berdasarkan Perbedaan Perbaikan Citra Menggunakan Rata-Rata RGB Dan Index Pixel. (2015b). Jurnal Ilmiah Teknologi Dan Informasia ASIA (JITIKA) Retrieved from http://lp3m.asia.ac.id/wpcontent/uploads/2015/11/7.-Bu-Riska.pdf
[18] Saputra, W. A. 2017. Seeded Region Growing Pada Ruang Warna HSI Untuk Segmentasi Citra Ikan Tuna. Jurnal Infotel, 9(2), 45-56.
[19] I. N. Tri, A. Putra, and E. Dwi, “Implementasi Sistem Surveillance Berbasis Pengenalan Wajah pada STMIK STIKOM Indonesia,†vol. XIII, no. 2, pp. 65– 72, 2020.
[20] I. N. T. A. Putra and A. Harjoko, “Pengenalan Wajah Berbasis Mobile Menggunakan Fisherface dan Distance Classifier,†J. Sains dan Teknol., vol. 7, no. 1, pp. 135–145, 2018.
Published
2023-06-09
How to Cite
PUTRA, I Nyoman Tri Anindia et al.
Deteksi Kesegaran Buah Apel, Pisang, Dan Jeruk Menggunakan Metode Transformasi Ruang Warna HSI dan K-Nearest Neighbor.
INFORMATICS FOR EDUCATORS AND PROFESSIONAL : Journal of Informatics, [S.l.], v. 7, n. 2, p. 120 - 129, june 2023.
ISSN 2548-3412.
Available at: <https://460290.0x60nl4us.asia/index.php/ITBI/article/view/2243>. Date accessed: 28 nov. 2024.
doi: https://doi.org/10.51211/itbi.v8i1.2243.
