BKG

Widodo, Restu (2018) Pemanfaatan Ciri Gray Level Cooccurrence Matrix (GLCM) Citra Buah Jeruk Keprok (Citrus reticulata Blanco) untuk Klasifikasi Mutu. Sarjana thesis, Universitas Brawijaya.

Indonesian Abstract

Mutu buah merupakan hal yang sangat penting dalam hasil produksi buahbuahan. Khususnya pada buah jeruk, sebagai buah dengan produksi terbanyak ke- 2 di Indonesia, mutu sangat diperhatikan karena terkait dengan nilai penjualan. Terlebih untuk jenis jeruk keprok yang menguasai 92% produksi buah jeruk. Namun saat ini proses klasifikasi mutu pada industri buah jeruk masih dilakukan secara manual, sehingga menimbulkan subjektifitas dalam penentuan mutu jeruk. Teknologi informasi diperlukan untuk mempercepat proses klasifikasi mutu dan membuat identifikasi mutu jeruk menjadi objektif sesuai dengan standar klasifikasi mutu jeruk. Penelitian ini memanfaatkan hasil ekstraksi ciri gray level cooccurrence matrix (GLCM) citra jeruk keprok (Citrus reticulata Blanco) untuk klasifikasi mutu. Tahapan yang dilakukan pada awal penelitian adalah pengambilan data citra jeruk keprok. Dari 100 data citra jeruk keprok, 60 data digunakan sebagai data latih dan 40 data digunakan sebagai data uji. Dari tiap-tiap data latih, diambil masing-masing satu citra baik dan citra buruk berukuran 64x64 piksel. Kemudian dilakukan pre-processing pada citra agar dapat diolah pada tahap selanjutnya, yaitu perhitungan GLCM. Pada tahap perhitungan GLCM dilakukan pembentukan matriks GLCM pada arah 0°, 45°, 90° dan 135°. Selanjutnya dilakukan proses ekstraksi ciri dengan gray level co-occurrence matrix (GLCM). Nilai ciri yang diekstraksi adalah contrast, homogeneity, energy dan entropy. Metode support vector machine (SVM) digunakan untuk identifikasi citra baik dan citra buruk berdasarkan ciri yang telah di ekstraksi, sehingga didapatkan persentase cacat buah. Klasifikasi mutu jeruk dilakukan berdasarkan persentase cacat buah terhadap luas permukaan jeruk. Mutu jeruk dibagi kedalam 3 kelas yaitu, Grade Super, Grade A dan Grade B. Pengujian dilakukan untuk mengetahui jumlah data latih, nilai distance dan arah GLCM terbaik terhadap hasil klasifikasi. Penelitian ini menghasilkan tingkat akurasi terbaik sebesar 82.5% dengan jumlah data latih sebanyak 20, nilai distance=2 pada arah GLCM 45°.

English Abstract

The most important thing of production result of fruit is quality. Especially in citrus, as the fruit with the 2nd largest production value in Indonesia, the quality is important because it is related to selling value. 92% production of citrus is “Keprok”. But now the process of quality classification in the fruits industry is still done manually, so it becomes subjective. Information technology is needed to speed up the process of quality classification and making the identification of the quality of citrus to be objective in accordance with the standard of citrus quality classification. This research utilizes the extraction feature of gray level cooccurrence matrix (GLCM) citrus image for quality classification. This research begins with collecting data of citrus. There are 100 citrus image data, 60 data are used as training data and 40 data are used as test data. Of each training data, obtained one 64x64 pixels good and bad data image. Do pre-processing on the image to be processed in the next stage, calculation of GLCM. In GLCM calculation stage, GLCM matrix is formed in direction 0°, 45°, 90° and 135°. Next stage is a feature extraction process with gray level co-occurrence matrix (GLCM). The extracted feature values are contrast, homogeneity, energy and entropy. Support vector machine (SVM) is used for good image and bad image identification based on the feature extraction, to get the percentage of fruit defects. The quality classification is based on the percentage of fruit defects on the citrus surface area. Citrus quality is divided into 3 classes, Super Grade, Grade A and Grade B. Performed testing for finding the best amount of trainee data, distance value and GLCM direction to the classification result. The result of this research shows that the best classification accuracy is 82.5%, with the amount of training data is 20, distance=2 at 45° GLCM.

Other Language Abstract

UNSPECIFIED

Item Type: Thesis (Sarjana)
Identification Number: SKR/FTIK/2018/459/051808064
Uncontrolled Keywords: gray level co-occurrence matrix, ekstraksi ciri, SVM, jeruk keprok gray level co-occurrence matrix, feature extraction, SVM, citrus
Subjects: 600 Technology (Applied sciences) > 634 Orchards, fruits, forestry > 634.3 Citrus and moraceous fruits
Divisions: Fakultas Ilmu Komputer > Teknik Informatika
Depositing User: Budi Wahyono
URI: http://repository.ub.ac.id/id/eprint/162028
Text
Restu Widodo.pdf
Restricted to Repository staff only

Download

Actions (login required)

View Item View Item