SEGMENTASI DENGAN ALGORITMA K-MEANS DAN KLASIFIKASI DENGAN K-NEAREST NEIGHBOR PADA FITUR GLCM BUAH APEL

• GALIH WIDAGDO
• 14002249

---

ABSTRAK

ABSTRAK

 

Nama                     :     Galih Widagdo

NIM                      :     14002249

Program Studi       :     Magister Ilmu Komputer

Jenjang                  :     Strata Dua (S2)

Konsentrasi           :     Image Processing

Judul                     :     “Segmentasi Dengan Algoritma K-Means dan Klasifikasi Dengan K-Nearest Neighbor Pada Fitur GLCM Buah Apel”

 

Apel merupakan salah satu jenis buah yang populer di indonesia dan sangat digemari oleh masyarakat dari segala usia, baik tua maupun muda, semua suka makan apel. Ini membuktikan bahwa apel tidak hanya populer tetapi juga memiliki daya saing. Salah satu jenis apel yaitu apel malang memiliki ciri yang berbeda dengan apel lainnya yaitu tingkat kesegaran buahnya. Di Kota Batu terdapat empat jenis yang memiliki rasa, bentuk dan tekstur kulit yang berbeda. Keempat apel tersebut adalah Anna Apple, Manalagi, Rome Beauty, dan Wanglin. Selain bisa membedakan beberapa jenis apel, orang awam pun akan sulit membedakannya. Sehingga akan didapatkan penilaian yang berbeda-beda oleh setiap individu yang menyebabkan tingkat akurasi yang berbeda, oleh karena itu perlu diolah citra apel dari beberapa jenis buah apel agar lebih mudah bagi masyarakat awam untuk membedakannya. Untuk itu penelitian ini bertujuan untuk melakukan pengolahan citra berupa segmentasi pada citra apel dengan menggunakan algoritma K-Means. Setelah itu dilakukan analisis tekstur dengan metode Gray Level Co-Occurance Matrix (GLCM). Dilanjutkan dengan pemodelan klasifikasi citra menggunakan Algoritma KNN dimana apel yang akan diolah adalah 5 jenis apel dari dataset Kaggle dan 2 jenis apel hasil pengambilan citra oleh penulis menggunakan smartphone. Dari hasil testing 35 citra buah apel terhadap 175 data training diperoleh citra segmentasi, kemudian dianalisis bentuk dan tekstur citra apel tersebut. Nilai fitur dari setiap citra ditampilkan dengan menggunakan tabel, selanjutnya citra apel dapat diklasifikasikan dengan baik menggunakan program yang telah dirancang dan  menghasilkan nilai akurasi 86%.

Kata kunci: K-Means, GLCM, KNN, apple fruit, Segmentasi.

KATA KUNCI

Algoritma,Metode K-means

---

DAFTAR PUSTAKA

DAFTAR PUSTAKA

 

[1]      I. A. Halela, “Identifikasi Jenis Buah Apel Menggunakan Algoritma K-Nearest Neighbor ( KNN ) dengan Ekstraksi Fitur Histogram,” pp. 1–8, 2016.

[2]      A. Ciputra, D. R. I. M. Setiadi, E. H. Rachmawanto, and A. Susanto, “Klasifikasi Tingkat Kematangan Buah Apel Manalagi Dengan Algoritma Naive Bayes Dan Ekstraksi Fitur Citra Digital,” Simetris J. Tek. Mesin, Elektro dan Ilmu Komput., vol. 9, no. 1, pp. 465–472, 2018, doi: 10.24176/simet.v9i1.2000.

[3]      K. Prajatama, F. E. Nugroho, A. F. Sentosa, and S. Fauziah, “Deteksi Kualitas Buah Apel Malang Manalagi Menggunakan Algoritma Naive Bayes Quality Detection Of Malang Manalagi Apple Fruit Using The Algorithm Naive Bayes Program Studi S1 Jurusan Informatika Fakultas Ilmu Komputer Universitas Pengambilan Data Ekstraks,” vol. 8, no. 1, pp. 32–38, 2019.

[4]      G. N. Putri, W. H. Susanto, and N. Wijayanti, “The Effect of Apple ( Malus sylvestris Mill ) Varieties And Corn Starch Concentration to the Characteristics of Apple Lempok,” vol. 5, no. 2, pp. 12–22, 2017.

[5]      D. Aprillia and W. H. Susanto, “PEMBUATAN SARI APEL ( Malus sylvestris Mill ) DENGAN EKSTRAKSI METODE OSMOSIS ( KAJIAN VARIETAS APEL DAN LAMA OSMOSIS ) The Influence of Apple Varieties and Osmosis Time on the Production of Osmosis Assisted Apple Cider,” J. Pangan dan Agroindustri, vol. 2, no. 1, pp. 86–96, 2014.

[6]      M. Belt, K. Berbasis, and R. Pi, “Klasifikasi Jenis Buah Apel Lokal Berdasarkan Penciri Warna , Aspectratio,” vol. 3, no. 2, 2019.

[7]      I. W. Pratama, P. Teknik, I. Fakultas, T. Universitas, and I. Lamongan, “Algoritma knn untuk klasifikasi kematangan buah apel berdasarkan tekstur,” vol. 11, pp. 45–48, 2020.

[8]      N. F. Andhika Ramadhan, “Deteksi Foreground Dan Background Pada Kematangan Buah Di Pohon Menggunakan Metode K-Means Clustering,” Paradig. J. Komput. dan Inform. Univ. Bina Sarana Inform., vol. 21, no. 2, pp. 143–148, 2019, doi: 10.31294/p.v20i2.

[9]      T. H. Andika and A. Hafiz, “Analisis Perbandingan Segmentasi Citra Menggunakan Metode K-Means dan Fuzzy C-Means,” pp. 237–246, 2018.

[10]    S. R. N. M. Ayyub and A. Manjramkar, “Fruit disease classification and identification using image processing,” Proc. 3rd Int. Conf. Comput. Methodol. Commun. ICCMC 2019, no. Iccmc, pp. 754–758, 2019, doi: 10.1109/ICCMC.2019.8819789.

[11]    F. Mahardika, K. A. Purwanto, and D. I. Surya Saputra, “Implementasi Metode Waterfall pada Proses Digitalisasi Citra Analog,” VOLT  J. Ilm. Pendidik. Tek. Elektro, vol. 2, no. 1, p. 63, 2017, doi: 10.30870/volt.v2i1.948.

[12]    E. S. Wijaya and Y. Prayudi, “Integrasi Metode Steganografi DCS Pada Image Dengan Kriptografi Blowfish Sebagai Model Anti Forensik Untuk Keamanan Ganda Konten Digital,” SNATI (Seminar Nas. Apl. Teknol. Informasi), pp. 11–17, 2015.

[13]    R. Rulaningtyas, A. B. Suksmono, T. L. R. Mengko, G. A. P. Saptawati, S. Teknik, and I. T. Bandung, “Segmentasi Citra Berwarna dengan Menggunakan Metode Clustering Berbasis Patch untuk Identifikasi Mycobacterium Tuberculosis,” Biosains, vol. 17, no. 1, pp. 19–25, 2015, doi: http://dx.doi.org/10.20473/bsn.v17i1.276.

[14]    A. N. T. RD. Kusumanto, “Technogenic activity of man and local sources of environmental pollution,” Stud. Environ. Sci., vol. 17, no. C, pp. 329–332, 2011, doi: 10.1016/S0166-1116(08)71924-1.

[15]    S. Kolkur, D. Kalbande, P. Shimpi, C. Bapat, and J. Jatakia, “Human Skin Detection Using RGB, HSV and YCbCr Color Models,” vol. 137, pp. 324–332, 2017, doi: 10.2991/iccasp-16.2017.51.

[16]    Y. Hapsari and M. F. Hidayattullah, “Deteksi Wajah Dari Berbagai Ras Manusia Menggunakan Warna Kulit Berbasis Ruang Warna L * A * B,” vol. 2013, no. November, pp. 409–414, 2013.

[17]    A. Setya Budi, N. Merlina, M. Arie Hasan, D. Riana, and S. Hadianti, “Classification of Lycopersicon Esculentum Fruit Based on Color Features with Linear Discriminant Analysis (LDA) Method,” Proc. 2019 4th Int. Conf. Informatics Comput. ICIC 2019, pp. 5–10, 2019, doi: 10.1109/ICIC47613.2019.8985787.

[18]    F. E. M. Agustin, “Implementasi Algoritma K-Means Untuk Menentukan Kelompok Pengayaan Materi Mata Pelajaran Ujian Nasional (Studi Kasus: Smp Negeri 101 Jakarta),” J. Tek. Inform., vol. 8, no. 1, pp. 73–78, 2015, doi: 10.15408/jti.v8i1.1938.

[19]    K. Fatmawati and A. P. Windarto, “Data Mining: Penerapan Rapidminer Dengan K-Means Cluster Pada Daerah Terjangkit Demam Berdarah Dengue (Dbd) Berdasarkan Provinsi,” Comput. Eng. Sci. Syst. J., vol. 3, no. 2, p. 173, 2018, doi: 10.24114/cess.v3i2.9661.

[20]    R. Hidayat, R. Wasono, and M. Y. Darsyah, “Pengelompokan Kabupaten/Kota Di Jawa Tengah Menggunakan Metode K-Means Dan Fuzzy C-Means,” Pros. Semin. Nas. Int., no., pp. 240–250, 2017.

[21]    F. G. Febrinanto, C. Dewi, and A. T. Wiratno, “Implementasi Algoritme K-Means Sebagai Metode Segmentasi Citra Dalam Identifikasi Penyakit Daun Jeruk,” J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol. 2, no. 11, pp. 5375–5383, 2018.

[22]    F. Z. Rahmanti, P. W. Adi, I. Ataka, and S. E. Sukmana, “Pengembangan Tahapan Klasifikasi Apel Envy Dan,” Nas. Tek. Elektro, vol. 5, no. 2, pp. 1–7, 2016, doi: 10.20449/jnte.v5i2.283.

[23]    T. J. S. Reyhan Achmad Rizal1, Suardin Gulo1, Octavriana Della C. Sihombing1, Ardi Bernandustahi Miduk Napitupulu1, Amsal Yusuf Gultom1, “Jurnal Mantik,” J. Mantik, vol. 3, no. January, pp. 31–38, 2019.

[24]    S. Singh, D. Srivastava, and S. Agarwal, “GLCM and its application in pattern recognition,” 5th Int. Symp. Comput. Bus. Intell. ISCBI 2017, no. August 2017, pp. 20–25, 2017, doi: 10.1109/ISCBI.2017.8053537.

[25]    K. Adi, C. E. Widodo, A. P. Widodo, R. Gernowo, A. Pamungkas, and R. A. Syifa, “Detection lung cancer using Gray Level Co-Occurrence Matrix (GLCM) and back propagation neural network classification,” J. Eng. Sci. Technol. Rev., vol. 11, no. 2, pp. 8–12, 2018, doi: 10.25103/jestr.112.02.

[26]    T. Y. Prahudaya and A. Harjoko, “Metode Klasifikasi Mutu Jambu Biji Menggunakan Knn Berdasarkan Fitur Warna Dan Tekstur,” J. Teknosains, vol. 6, no. 2, p. 113, 2017, doi: 10.22146/teknosains.26972.

[27]    D. Syahid, J. Jumadi, and D. Nursantika, “Sistem Klasifikasi Jenis Tanaman Hias Daun Philodendron Menggunakan Metode K-Nearest Neighboor (KNN) Berdasarkan Nilai Hue, Saturation, Value (HSV),” J. Online Inform., vol. 1, no. 1, p. 20, 2016, doi: 10.15575/join.v1i1.6.

[28]    M. H. Hanafi, N. Fadillah, and A. Insan, “Optimasi Algoritma K-Nearest Neighbor untuk Klasifikasi Tingkat Kematangan Buah Alpukat Berdasarkan Warna,” It J. Res. Dev., vol. 4, no. 1, pp. 10–18, 2019, doi: 10.25299/itjrd.2019.vol4(1).2477.

[29]    K. Priandana, A. Z. S, and S. Sukarman, “Mobile Munsell Soil Color Chart Berbasis Android Menggunakan Histogram Ruang Citra HVC dengan Klasifikasi KNN,” J. Ilmu Komput. dan Agri-Informatika, vol. 3, no. 2, p. 93, 2016, doi: 10.29244/jika.3.2.93-101.

[30]    E. Budianita, J. Jasril, and L. Handayani, “Implementasi Pengolahan Citra dan Klasifikasi K-Nearest Neighbour Untuk Membangun Aplikasi Pembeda Daging Sapi dan Babi Berbasis Web,” J. Sains dan Teknol. Ind., vol. 12, no. Vol 12, No 2 (2015): Juni 2015, pp. 242–247, 2015.

[31]    N. Wijaya and A. Ridwan, “Klasifikasi Jenis Buah Apel Dengan Metode K-Nearest Neighbors,” J. SISFOKOM, vol. 08, no. 01, pp. 74–78, 2019.