KLASIFIKASI BUAH BUSUK DAN BUAH MATANG BERDASARKAN DATA IMAGE MENGGUNAKAN MAHALANOBIS DISTANCE
Keywords:
Buah, Citra, Haar wavelet, MahalanobisAbstract
Buah merupakan komoditas penting dalam sektor pertanian dan sering digunakan sebagai bahan olahan di Indonesia. Selain sebagai komoditas, buah-buahan juga merupakan makanan pokok yang banyak diminati. Namun jika yang dikonsumsi masyarakat adalah buah yang sudah tidak segar lagi, maka akan menimbulkan penyakit bagi yang mengkonsuminya. Oleh karena itu, perlu dilakukan penelitian untuk mengklasifikasikan buah-buahan tersebut apakah busuk atau buah masak. Pada penelitian ini dataset citra apel, pisang, dan jeruk digunakan untuk mengekstraksi nilai karakteristik berdasarkan rata-rata warna RGB dan berdasarkan tekstur menggunakan haar wavelet. Setelah karakteristik diperoleh jarak akan dihitung menggunaan jarak mahalanobis dengan menghitung nilai rata-rata dan matriks kovarians. Penelitian ini menggunakan data training untuk mengambil nilai karakteristiknya dan data testing untuk mengklasifikasikannya dengan jarak mahalanobis berdasarkan berdasarkan nilai karakteristik pada data training. Hasil pengujian pada penelitian ini menunjukkan bahwa akurasi keseluruhan data citra apel, pisang, dan jeruk yang diuji menghasilkan akurasi sebesar 75,55 persen.
References
Ananda. (2022, July 28). Objek Penelitian: Pengertian, Macam, prinsip, Dan Cara Menentukannya. Gramedia Literasi. Diakses https://www.gramedia.com/literasi/objek- penelitian/
Anastasya, N., Widodo, A. W., & Rahman, M. A. (2020). Pengelompokan Musik berdasarkan Emosi menggunakan Metode Transformasi Haar Wavelet. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-ISSN, 2548, 964X.
Andono, P. N., & Sutojo, T. (2017). Pengolahan citra digital. Penerbit Andi.
Basuki, L. F. (2016). Implementasi metode histogram of oriented gradients dengan optimasi algoritma Frei-Chen untuk deteksi citra manusia. Universitas Komputer Indonesia, Bandung.
Berutu, R. S. (2020). Perancangan Aplikasi Deteksi Citra Mentimun Yang Berkualitas Denganmetode Transformasi Haar Wavelet. Pelita Informatika: Informasi dan Informatika, 8(4), 457-460.
Cahya, F. N., & Pebrianto, R. (2021). Klasifikasi Buah Segar dan Busuk Menggunakan Ekstraksi Fitur Hu-Moment, Haralick dan Histogram. IJCIT (Indonesian Journal on Computer and Information Technology), 6(1).
Farhan, M. R., Widodo, A. W., & Rahman, M. A. (2019). Ekstraksi Ciri Pada Klasifikasi Tipe Kulit Wajah Menggunakan Metode Haar Wavelet. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-ISSN, 2548, 964X.
Ghorbani, H. (2019). Mahalanobis distance and its application for detecting multivariate outliers. Facta Univ Ser Math Inform, 34(3), 583-95.
Hutagalung, S. N. (2018). Pembelajaran fisika dasar dan elektronika dasar menggunakan aplikasi matlab metode simulink. Journal Of Science and Social Research, 1(1), 30-35.
Kantacarini, T. (2021). Kinerja Metode Mahalanobis Distance yang Dibentuk dari Dua Ukuran Pusat dan Dua Dispersi Multivariat (Untuk Ukuran Similaritas Klasifikasi Image) (Doctoral dissertation, Universitas Tarumanagara).
Maimon, O. Z., & Rokach, L. (2014). Data mining with decision trees: theory and applications (Vol. 81). World scientific.
Prihartono, T. D., Isnanto, R. R., & Santoso, I. (2011). Identifikasi Iris Mata Menggunakan Alihragam Wavelet Haar (Doctoral dissertation, Diponegoro University).
PutraNew, A. (2019, November 1). Proses data testing Dan Training Pada machine learning. Medium. Diakses dari https://medium.com/@anrelputranew/proses-data- testing-dan-training-pada-machine-learning-cdf8fcd93355
Uma, B. (2023, January 3). Pengertian Grafik, Jenis, Tujuan, Dan Fungsinya - Bamai Uma.
Biro Administrasi Mutu Akademik dan Informasi Universitas Medan Area - Biro Administrasi Mutu Akademik dan Informasi Terbaik di Sumatera Utara. Diakses dari https://bamai.uma.ac.id/2022/08/26/pengertian-grafik-jenis-tujuan-dan-fungsinya/
Widharma, I. G. S. (2017). Perancangan Simulasi Sistem Pendaftaran Kursus Berbasis Web Dengan Metode Sdlc. Matrix: Jurnal Manajemen Teknologi dan Informatika, 7(2), 38-41.
