Citra Digital Untuk Klasifikasi Kualitas Udang Windu Menggunakan Algoritma GLCM dan K-Nearest Neighbor

Fiqri, Haikal and Razak, Mashur and Umar, Najirah (2022) Citra Digital Untuk Klasifikasi Kualitas Udang Windu Menggunakan Algoritma GLCM dan K-Nearest Neighbor. Jurnal INFORMATIKA, 9 (2). pp. 93-102. ISSN 2528-2247

Text 13686-40012-1-PB Citra Udang.pdf Download (468kB)

Abstract

Udang merupakan bahan pangan yang bersifat mudah rusak berdasarkan observasi secara langsung proses penyortiran udang yang dilakukan oleh distributor ataupun nelayan untuk menyeleksi udang berdasarkan kualitasnya masih menggunakan metode manual dan terkadang hasil penyortiran masih tidak sesuai dengan kualitas udang tersebut serta indikator dari kualitasnya hanya diliat dari fisik seperti berat ataupun ukuran pada udang tersebut, sehingga udang yang kualitas bagus dapat tercampur dengan kualitas kurang bagus maka dari itu akan terjadi kontaminasi yang menyebabkan udang yang kualitas bagus menjadi cepat busuk. Pada tugas akhir ini bertujuan untuk membangun sistem pengolahan citra yang menerapkan algoritma Gray-level Co-occurrence Matrix (GLCM) dan K-nearest Neighbor (K-NN) untuk mendeteksi tingkat kualitas udang windu. Proses pertama adalah melakukan akuisisi citra yaitu, mengumpulkan beberapa gambar digital dari setiap kualitas udang untuk dijadikan objek. Selanjutnya dilakukan proses pre-processing yaitu perubahan citra menjadi grayscale. Kemudian proses ekstraksi ciri menggunakan metode Gray Level Co-occurrence Matrix (GLCM) untuk mendapatkan data ciri fitur dari seluruh citra digital dan mengklasifikasikannya dengan metode KNearest Neighbor (K-NN). Pada hasil pengujian tingkat akurasi yang berasal dari 10 sampel telah teruji bahwa sebanyak 80% mendapatkan hasil informasi klasifikasi kualitas yang sesuai dengan sistem. Dan sistem ini mampu memberikan solusi keputusan dalam menentukan klasifikasi kualitas pada Udang Windu, sedangkan berdasarkan hasil pengujian blackbox, sistem ini menghasilkan persentase kemudahan penggunaan aplikasi sebanyak 92%.

Item Type:	Article
Uncontrolled Keywords:	;
Subjects:	600 Technology and Applied Sciences
Depositing User:	Najirah Umar
Date Deposited:	10 Oct 2022 04:32
Last Modified:	10 Oct 2022 04:32
URI:	http://repo.handayani.ac.id/id/eprint/182

Actions (login required)

View Item