Penerapan Learning Vector Quantization Pada Pengelompokan Tingkat Kematangan Buah Tomat Berdasarkan Warna Buah

Suwanto Sanjaya

Abstract


Tingkat kematangan buah tomat dapat dilihat dari warna buah. Pada penelitian sebelumnya pernah dilakukan penentuan tingkat kematangan buah tomat menggunakan fitur Hue, Saturation, dan Value (HSV), serta metode klasifikasi Learning Vector Quantization (LVQ). Pada penelitian tersebut menggunakan data citra buah tomat dari satu sisi. Pada kenyataanya, tidak semua buah tomat memiliki penyebaran warna yang sama disetiap sisinya. Oleh karena itu dibutuhkan teknik untuk merata-ratakan informasi warna dari beberapa sisi buah. Berdasarkan permasalahan tersebut, maka data citra buah tomat yang digunakan diambil dari empat sisi untuk setiap buahnya. Total data citra yang digunakan adalah 400 citra dari empat sisi dan setelah dirata-ratakan menjadi 100 data. Level kematangan buah tomat yang digunakan adalah 5 level yaitu green, breakers, turning, pink, light red, dan red. Proses pelatihan dan pengujian bobot optimal menggunakan K-Fold Cross Validation. Berdasarkan hasil pengujian, rata-rata akurasi tertinggi adalah mencapai 87,25% yang diuji menggunakan 400 citra setiap sisi buah. Berdasarkan hasil pengujian tersebut dapat disimpulkan nilai HSV yang dihasilkan dari rata-rata penggabungan citra empat sisi dapat dijadikan alternatif untuk menentukan tingkat kematangan buah tomat karena dapat meningkatkan akurasi walaupun tidak terlalu signifikan

Full Text:

PDF

References


A. Marliah, M. Hayati dan I. Muliansyah, “Pemanfaatan Pupuk Organik Cair Terhadap Pertumbuhan dan Hasil Beberapa Varietas Tomat (Lycopersicum esculentum L),” Jurnal Agrista, vol. 16, no. 3, pp. 122-128, 2012.

S. Y. Riska dan P. Subekti, “Klasifikasi Level Kematangan Buah Tomat Berdasarkan Fitur Warna Menggunakan Multi-SVM,” Jurnal Ilmiah Informatika, vol. 1, no. 1, pp. 39-24, 2016.

USDA, “United States Standards for Grades of Fresh Tomatoes,” United States Development of Agriculture, Washington, D.C, 1991.

M. A. Anggriawan, M. Ichwan dan D. B. Utami, “Pengenalan Tingkat Kematangan Tomat Berdasarkan Citra Warna Pada Studi Kasus Pembangunan Sistem Pemilihan Otomatis,” Jurnal Teknik Informatika dan Sistem Informasi (JuTISI), vol. 3, no. 3, pp. 550-564, 2017.

G. Ramadhan, E. C. Djamal dan T. Darmanto, “Klasifikasi Identitas Wajah Untuk Otorisasi Menggunakan Deteksi Tepi dan LVQ,” dalam Seminar Nasional Aplikasi Teknologi Informasi (SNATi), Yogyakarta, 2016.

R. Abdillah, S. Sanjaya dan I. Afrianty, “The Effect of Class Imbalance Against LVQ Classification,” dalam International Conference on Electrical Engineering and Informatics (ICon EEI) 2nd, Batam, Indonesia, 2018.

A. S. Romadhon dan V. T. Widyaningrum, “Klasifikasi Mutu Jeruk Nipis Dengan Metode Learning Vector Quantization (LVQ),” Jurnal Ilmiah Rekayasa, vol. 8, no. 2, pp. 121-128, 2015.

F. Astutik, “Sistem Pengenalan Kualitas Ikan Gurame dengan Wavelet, PCA, Histogram HSV dan KNN,” LONTAR KOMPUTER, vol. 4, no. 3, pp. 336-346, 2013.

Meiriyama, “Klasifikasi Citra Buah berbasis fitur warna HSV dengan klasifikator SVM,” Jurnal Komputer Terapan, vol. 4, no. 1, pp. 50-61, 2018.

N. Wijaya dan A. Ridwan, “Klasifikasi Jenis Buah Apel Dengan Metode K-Nearest Neighbors Dengan Ekstraksi Fitur HSV dan LBP,” Jurnal Sisfokom, vol. 8, no. 1, pp. 74-78, 2019.

S. Sanjaya, M. L. Pura, S. K. Gusti, F. Yanto dan F. Syafria, “K-Nearest Neighbor for Classification of Tomato Maturity Level Based on Hue, Saturation, and Value Colors,” IJAIDM, vol. 2, no. 1, pp. 101-106, 2019.

A. R. Smith, “Color gamut transform pairs,” ACM Siggraph Computer Graphics, vol. 12, no. 3, pp. 12-19, 1978.

S. Ozdemir, Principles of Data Science, Birmingham: Packt Publishing Ltd, 2016.

T. Kohonen, “The self-organizing map,” Proceedings of the IEEE, vol. 78, no. 9, pp. 1464-1480, 1990.

L. Fausett, Fundamental of Neural Network: Architectures, Algorithms, and Application, New Jersey: Prentice Hall Inc, 1994.

F. Gorunescu, Data Mining: Concepts, Models and Techniques, Springer, 2011.




DOI: http://dx.doi.org/10.24014/coreit.v5i2.8199

Refbacks

  • There are currently no refbacks.




Creative Commons License  site stats  
Jurnal CoreIT by http://ejournal.uin-suska.ac.id/index.php/coreit/ is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.