Klasifikasi Buah Naga Merah Menggunakan Ekstraksi Fitur GLCM (Gray Level Co-Occurrence Matrix) dan Naive Bayes Classifier

Hasanah, Selviatun (2024) Klasifikasi Buah Naga Merah Menggunakan Ekstraksi Fitur GLCM (Gray Level Co-Occurrence Matrix) dan Naive Bayes Classifier. Undergraduate thesis, Politeknik Negeri Jember.

	Text (Abstract) Abstract.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (53kB)
	Text (Bab 1 Pendahuluan) Bab 1 Pendahuluan.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (191kB)
	Text (Daftar Pustaka) Daftar Pustaka.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (183kB)
	Text (Laporan Lengkap) Laporan Lengkap.pdf - Submitted Version Restricted to Registered users only Download (1MB) | Request a copy

Abstract

Buah naga merah adalah jenis yang memiliki kulit berwarna merah tua. Buah ini memiliki bentuk seperti bola dan terdiri dari beberapa sisik. Kulitnya berduri. Kulit buahnya tebal, dan kadang-kadang ujung sisiknya berwarna hijau. Buah naga merah di dalam kulitnya lebih manis dan sedikit lebih lembut daripada buah naga putih. Biji hitam kecil ditemukan dalam daging buah. Selama ini buah naga merah dipilih satu persatu menggunakan alat ukur manual untuk menentukan bobot kriteria yang diminta oleh pengimpor. Parameter yang dibutuhkan oleh pengimpor yaitu bobot buah naga dengan berat lebih dari sama dengan 3.5 ons, warna yang merah pekat dengan sisik buah naga kehijauan, dan buah naga yang tidak berpenyakit. Pemilihan manual memiliki banyak kelemahan. Salah satunya adalah waktu yang dibutuhkan yang relatif lama, dan kriteria untuk buah naga merah tidak relevan karena kelelahan, keterbatasan penglihatan manusia, dan perbedaan persepsi kualitas buah.. Berdasarkan permasalahan diatas, peneliti menerapkan sistem yang dapat mengklasifikasikan bobot buah naga merah secara efektif untuk memenuhi kriteria dari pengimpor. Untuk melakukan penelitian ini menggunakan metode ekstraksi fitur warna GLCM (Gray Level Co-occurrence Matix) dan metode Naïve Bayes classfier untuk klasifikasi citra buah naga merah. GLCM (Gray Level Co-occurrence Matix) dikenal sebagai keteraturan pola tertentu yang diciptakan oleh pengaturan piksel dalam gambar digital tingkat abu-abu. Fungsi GLCM (Gray Level Co-occurrence Matix) adalah untuk menghitung seberapa sering pasangan piksel dengan nilai tertentu dan hubungan spasial terjadi dalam gambar, kemudian mengekstraksi ukuran statistik dari matriks ini untuk menentukan tekstur gambar.. Hasil klasifikasi menggunakan metode Naïve Bayes Classifier menunjukkan tingkat akurasi sebesar 82% dengan menggunakan 800 data citra training atau data latih dan 200 data citra testing atau dat uji, yang terdiri dari 70 data citra buah naga merah kelas bagus, 70 data citra buah naga merah kelas jelek, dan 60 data citra buah naga merah kelas berpenyakit/cacar. Sistem ini diharapkan dapat membantu petani untuk mengetahui bobot buah naga merah yang diminta oleh pengimpor secara lebih akurat.

Actions (login required)

View Item