Putri, RR. Dea Annisayanti (2019) Pemanfaatan Metode Texture-based Region Growing Untuk Segmentasi Buah Jeruk Keprok (Citrus reticulata blanco). Sarjana thesis, Universitas Brawijaya.
Abstract
Indonesia merupakan produsen jeruk dengan luas panen jeruk terbesar di Asia Tenggara. Dari semua jenis jeruk yang dikembangkan di Indonesia, jeruk keprok merupakan jenis yang jumlah produksinya paling banyak. Dari total produksi jeruk di tahun 2011 hingga 2015, 94% produksinya merupakan jeruk keprok. Pada persaingan pasar, hal yang terpenting pada buah jeruk keprok adalah kualitas mutu. Metode teknologi visual dapat dimanfaatkan untuk menggantikan proses seleksi buah dan penentuan mutu jeruk yang masih dilakukan manual oleh manusia. Salah satu proses dalam penentuan mutu jeruk secara otomatis adalah segmentasi. Segmentasi adalah proses memisahkan objek yang diteliti dari bagian lain dari citra yang kurang penting. Proses segmentasi merupakan satu proses yang penting dalam penentuan mutu, sehingga hasil segmentasi harus tepat, tidak kurang (under-segmentation) atau tidak lebih (over-segmentation). Penelitian ini menggunakan metode region growing dengan parameter nilai tekstur yang didapat dari fitur kontras, homogenitas, entropi, dan energi pada metode gray level co-occurrence matrix (GLCM). Pertama, dilakukan pengambilan data citra jeruk keprok. Pada citra jeruk, dilakukan pre-processing berupa pengubahan warna dan ukuran citra. Kemudian citra jeruk dibagi menjadi beberapa kumpulan piksel yang disebut window, dengan berukuran 10, 20, 50, dan 100 piksel. Dari kelompok window, akan dipilih satu window yang menjadi titik awal region growing. Pada window awal dan 8 window tetangga, diambil nilai fitur kontras, homogenitas, entropi, dan energi. Window tetangga dianggap sebagai bagian jeruk apabila memiliki nilai fitur sesuai batas. Penelitian ini menghasilkan tingkat akurasi segmentasi terbaik sebesar 84,7% dengan ukuran window sebesar 50x50 piksel, fitur entropi, dan nilai batas sebesar 5.
English Abstract
Indonesia is oranges producer country with the largest harvest area in Southeast Asia. “Keprok” is the most productive orange in Indonesia. In 2011 to 2015, 94% of the total orange production is “Keprok”. In the competition of orange market, the most important thing for sales is quality. The visual technology can be used to replace the fruit selection process dan determine the quality of oranges that are still done manually by humans. One of the processes in determining the quality of oranges automatically is segmentation. Image segmentation is a process to take a focus on object and remove the background . The process of segmentation is an important process, so the results of segmentation must be precise, it must have no under segmentation or over segmentation. This research uses the region growing method with texture value parameters obtained from the features of kontras, homogeneity, entropy, dan energy in the gray level co-occurrence matrix (GLCM) method. First, the orange image is taken. Pre-processing change the color dan size of the image. Then the image of the orange is divided into a group of pixels called window, with sizes of 10, 20, 50, dan 100 pixels. One of the window will be chosen to becomes the starting point of region growing. The initial window dan 8-neighbor window, the values of contrast, homogeneity, entropy, dan energy are taken. The neighbor window is considered as part of the orange if it has a small difference to the threshold. This result shows that the best accuracy of segmentation is 84.7%. That value is obtained by using 50x50 pixels of window size, entropy features, dan the threshold is 5.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FILKOM/2019/105/051902275 |
| Uncontrolled Keywords: | region growing, ekstraksi ciri, jeruk keprok-region growing, feature extraction, citrus |
| Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.4 Computer pattern recognition |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | soegeng sugeng |
| Date Deposited: | 24 Aug 2020 06:45 |
| Last Modified: | 19 Oct 2021 09:06 |
| URI: | http://repository.ub.ac.id/id/eprint/168886 |
Preview |
Text
RR. Dea Annisayanti Putri.pdf Download (3MB) | Preview |
Actions (login required)
 |
View Item |