Klasifikasi Kualitas Citra Kedelai Hitam (Malika) Menggunakan Metode K-Nearest Neighbor

DOI: https://doi.org/10.33650/jeecom.v4i2.4469

Authors (s)


(1) * Eka Rahayu Septiana   (Universitas Islam Kadiri)  
        Indonesia
(2)  Farrady Alif Fiolana   (Universitas Islam Kadiri)  
        Indonesia
(3)  Danang Erwanto   (Universitas Islam Kadiri)  
        Indonesia
(*) Corresponding Author

Abstract


Kedelai hitam dengan nama latin (Glycine max (L.) Merrill) merupakan tanaman asli Asia yang sangat cocok ditanam di wilayah tropis seperti Indonesia. Kedelai merupakan tanaman pangan yang dapat diolah menjadi beberapa olahan, salah satunya diolah menjadi kecap. Penggunaan metode manual masih memiliki kekurangan salah satunya, biaya yang digunakan dalam pemilahan biji kedelai relatif besar yang diakibatkan karena dalam metode pemilahan secara manual dibutuhkan tenaga kerja yang banyak. Untuk itu, perlu adanya metode klasifikasi secara otomatis untuk mengatasi kekurangan dari metode manual. Dengan menerapkan metode klasifikasi K-Nearest Neighbor berdasarkan ciri warna dan bentuk, diharapkan mampu mengklasifikasi kedelai hitam (Malika) secara otomatis sehingga dapat menekan biaya yang digunakan pada metode manual. Dengan ekstraksi warna menggunakan histogram warna dan bentuk menggunakan parameter axis major, axis minor, keliling, area. Pada penelitian ini menggunakan metode penelitian eksperimen merupakan metode sistematis guna membangun hubungan yang mengandung fenomena sebab akibat. Pada penelitian ini menggunakan masukan citra dengan jumlah citra 500 biji malika dengan 250 citra malika baik dan 250 citra malika jelek, serta terdiri dari citra traning 400 citra dan citra testing 100. Berdasarkan hasil penujian, dilakukan uji coba tingkat keakurasian K dari K = 1 sampai K = 40. Didapatkan akurasi tertinggi pada K = 5 sebesar 91% dan akurasi terendah pada K = 1 sebesar 87%. Pengujian terhadap penelitian ini dilakukan menggunakan 20 citra input menggunakan rincian 10 input uji malika baik, 10 citra input uji malika jelek. Dengan hasil klasifikasi mampu membedakan atau memberi label biji malika baik dan jelek. Berdasrkan penelitian yang telah dilakukan, dapat disimpulkan bahwa algoritma K-Nearest Neighbor bisa membantu mengklasifikasi biji kedelai hitam malika baik dan jelek.


Keywords

Kedelai Hitam (Malika), Histogram Warna, Axis Mayor, Axis Minor, Area, Keliling, K-NN



Full Text: PDF



References


R. S. Nasution, J. Ginting, dan N. Rahmawati, “Pertumbuhan dan produksi tiga varietas kedelai hitam (Glycine max (L.) Merril) dengan pemberian berbagai jenis bahan organik,” AGROEKOTEKNOLOGI, vol. 4, no. 4, 2016.

S. Jitanan dan P. Chimlek, “Quality grading of soybean seeds using image analysis.,” International Journal of Electrical & Computer Engineering (2088-8708), vol. 9, no. 5, 2019.

N. F. Romdhoni, K. Usman, dan B. Hidayat, “Deteksi Kualitas Kacang Kedelai Melalui Pengolahan Citra Digital dengan Metode Gray-Level Co-Occurrence Matrix (Glcm) dan Klasifikasi Desicion Tree,” dalam Prosiding Seminar Nasional Riset Information Science (SENARIS), 2020, vol. 2, hlm. 132–137.

V. C. Mawardi, “Prosiding Pendeteksi Kualitas Kedelai berdasarkan Warna dan Bentuk untuk Penyalur Kedelai Toko Hasil Bumi Manado”.

J. H. Sinaga, “KOMBINASI METODE FUZZY C-MEANS DAN NEURAL NETWORK UNTUK IDENTIFIKASI KUALITAS BIJI KEDELAI,” Universitas Teknokrat Indonesia, 2020.

L.-Y. Hu, M.-W. Huang, S.-W. Ke, dan C.-F. Tsai, “The distance function effect on k-nearest neighbor classification for medical datasets,” Springerplus, vol. 5, no. 1, hlm. 1–9, 2016.

A. Halim, H. Hardy, dan M. Mytosin, “Aplikasi Image Retrieval dengan Histogram Warna dan Multi-scale GLCM,” Jurnal SIFO Mikroskil, vol. 16, no. 1, hlm. 41–50, Apr 2015, doi: 10.55601/jsm.v16i1.186.

J. A. Widians, H. S. Pakpahan, E. Budiman, H. Haviluddin, dan M. Soleha, “Klasifikasi jenis bawang menggunakan metode k-nearest neighbor berdasarkan ekstraksi fitur bentuk dan tekstur,” Jurnal Rekayasa Teknologi Informasi (JURTI), vol. 3, no. 2, hlm. 139–146, 2019.

E. Ginting dan I. K. Tastra, “Standar Mutu Biji Kedelai,” Kedelai: Teknik Produksi Dan Pengembangan,(i), hlm. 444–463, 2016.

S. Kusumaningtyas dan R. A. Asmara, “Identifikasi Kematangan Buah Tomat Berdasarkan Warna Menggunakan Metode Jaringan Syaraf Tiruan (JST),” Jurnal Informatika Polinema, vol. 2, no. 2, hlm. 72, 2016.

K. Meskaldji, S. Boucherkha, dan S. Chikhi, “Color quantization and its impact on color histogram based image retrieval accuracy,” dalam 2009 First International Conference on Networked Digital Technologies, 2009, hlm. 515–517.

C. P. Beauty, “Temu Kembali Citra Makanan Menggunakan Color Histogram Dan Local Binary Pattern,” Universitas Brawijaya, 2019.

C. A. Hussain, D. D. V. Rao, dan T. Praveen, “Color histogram based image retrieval,” Int J Adv Engg Tech/IV/III/63-66, 2013.

Y. P. Pasrun, C. Fatichah, dan N. Suciati, “Penggabungan Fitur Bentuk dan Fitur Tekstur yang Invariant terhadap Rotasi untuk Klasifikasi Citra Pap Smear,” Jurnal Buana Informatika, vol. 7, no. 1, 2016.

F. Liantoni, “Klasifikasi Daun Dengan Perbaikan Fitur Citra Menggunakan Metode K-Nearest Neighbor,” Ultimatics: Jurnal Teknik Informatika, vol. 7, no. 2, hlm. 98–104, 2015.

M. B. Wibisono, “PENERAPAN ALGORITMA K-NEAREST NEIGHBOUR UNTUK MENGIDENTIFIKASI JENIS BIJI KOPI ARABIKA DAN ROBUSTA,” Informatik: Jurnal Ilmu Komputer, vol. 15, no. 2, hlm. 91–102, 2020.

U. D. Rosiani, M. Mentari, dan A. N. P. Prastya, “Klasifikasi Kualitas Biji Jagung Berdasarkan Deteksi Warna dan Bentuk Menggunakan Metode K-Nearest Neighbor,” dalam Seminar Informatika Aplikatif Polinema, 2019, hlm. 413–417.

Sulistiyanto, S. (2022). Perancangan Software The Smart Tourism Bali Dengan Android. Joutica: Journal of Informatic Unisla, 7(1), 551-555.


Article View

Abstract views : 824 times | PDF files viewed : 338 times

Dimensions, PlumX, and Google Scholar Metrics

10.33650/jeecom.v4i2.4469


Refbacks

  • There are currently no refbacks.


Copyright (c) 2022 Eka Rahayu Septiana, Farrady Alif Fiolana

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Creative Commons License
 
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Journal of Electrical Engineering and Computer (JEECOM)
Published by LP3M Nurul Jadid University, Indonesia, Probolinggo, East Java, Indonesia.