Implementasi Pengolahan Citra dan Klasifikasi K-Nearest Neighbour Untuk Membangun Aplikasi Pembeda Daging Sapi dan Babi Berbasis Web

Abstract

Salah satu cara untuk mengenali daging sapi dan babi di bidang informatika adalah menggunakan pengolahan citra. Pada penelitian ini akan dibuat suatu sistem pengolahan citra untuk membedakan daging sapi dan babi menggunakan metode HSV, GLCM, dan klasifikasi K-Nearest Neighbour (K-NN). Tahapan analisa yang dilakukan adalah Data acquisition dengan menggunakan kamera handphone dilakukan pemotretan terhadap data daging sapi dan babi sehingga diperoleh citra digital daging sapi dan babi dalam format jpg. Gambar (citra) diambil dari daging babi segar, daging sapi segar, daging sapi yang telah membusuk, dan daging campuran (oplosan). Preprocessing dilakukan peningkatan kualitas citra yaitu dengan melakukan pencerahan citra dan peregangan kontras. Ekstraksi fitur menggunakan histogram model warna HSV untuk fitur warna, dan metode orde dua untuk ekstraksi fitur tekstur. Klasifikasi citra daging sapi dan babi menggunakan K-NN dengan dua tahapan yaitu tahap training dan testing. Pengujian terdiri dari 4 pengujian yaitu pengujian tanpa background dengan akurasi keberhasilan 88,75%, pengujan dengan background sebesar 73,375%, pengujian campuran sebesar 88,75% dan pengujian berjarak sebesar 50% . Pengujian dengan akurasi pengujian tertinggi terdapat pada pengujian tanpa background dan pengujian campuran sebesar 88,75%. Pada pengujian campuran dinyatakan berhasil apabila hasil klasifikasinya adalah daging campuran (oplosan) dan daging babi segar. Sedangkan nilai K yang paling baik pada semua pengujian adalah K=5 dengan total akurasi keberhasilan 78,75%. Hasil klasifikasi dipengaruhi oleh nilai ciri, jarak terdekat, nilai K, dan yang paling mempengaruhi adalah background