PENERAPAN METODE PRINCIPAL COMPONENT ANALYSIS (PCA)  MENGIDENTIFIKASI TEKSTUR BUAH NAGA

Ignasius Agustino Cesar Koten

PENERAPAN METODE PRINCIPAL COMPONENT ANALYSIS (PCA) MENGIDENTIFIKASI TEKSTUR BUAH NAGA

Ignasius Agustino Cesar Koten

Abstract

Pengidentifikasian tekstur pada buah naga merupakan langkah penting dalam menilai kualitas dan kematangan buah. Dalam penelitian ini, kami mengusulkan pendekatan menggunakan Analisis Komponen Utama (PCA) untuk mengidentifikasi tekstur pada buah naga. Metode PCA digunakan untuk mengekstraksi fitur-fitur utama dari citra buah naga, memungkinkan pemahaman yang mendalam tentang variasi tekstur yang terkandung di dalamnya. Data citra buah naga yang beragam dikumpulkan untuk analisis, yang melibatkan proses ekstraksi fitur dan pengurangan dimensi dengan PCA. Selanjutnya, klasifikasi pola tekstur menggunakan algoritma machine learning seperti Support Vector Machine (SVM) atau K-Nearest Neighbors (KNN).Eksperimen dilakukan untuk mengevaluasi keefektifan pendekatan ini dalam mengidentifikasi dan membedakan tekstur pada buah naga, dengan fokus pada akurasi klasifikasi dan pengenalan pola. Hasil eksperimen menunjukkan bahwa metode PCA memberikan hasil yang menjanjikan dalam pengidentifikasi tekstur pada buah naga, dengan potensi untuk meningkatkan proses pemilahan buah berbasis citra secara otomatis.

Keywords

Kata Kunci: Tekstur Buah Naga,Principal Component Analysis (PCA), Teachable Machine.

Teks Lengkap:

PDF

Referensi

L. O. Prakoso, H. Yusmaini, M. S. Thadeus, and S. Wiyono, “Perbedaan efek ekstrak buah naga merah (Hylocereus polyrhizus) dan ekstrak buah naga putih (Hylocereus undatus) terhadap kadar kolesterol total tikus putih (Rattus norvegicus),” J. Gizi dan Pangan, vol. 12, no. 3, pp. 195–202, 2017.

N. Khuriyati, “Kualitas Buah Naga Nafis Khuriyati et al Nafis Khuriyati et al Kualitas Buah Naga,” vol. 23, no. 2, 2018.

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.

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.

C. P. Iklima and M. Nasir, “Klasifikasi Jenis Pisang Menggunakan Metode K- Nearest Neighbor ( KNN ),” vol. 1, no. 1, pp. 11–14, 2017.

M. A. Hasan, “Pengenalan Motif Songket Palembang Menggunakan Deteksi Tepi Canny , PCA dan KNN,” vol. 6, no. 1, pp. 1–7, 2020.

E. Ardhianto, W. Hadikurniawati, and Z. Budiarso, “Implementasi Metode Image Subtracting dan Metode Regionprops untuk Mendeteksi Jumlah Objek Berwarna RGB pada File Video,” J. Teknol. Inf. Din., vol. 18, no. 2, pp. 91–100, 2013.

S. Ratna, “Pengolahan Citra Digital Dan Histogram Dengan Phyton Dan Text Editor Phycharm,” Technol. J. Ilm., vol. 11, no. 3, p. 181, 2020

K. M. Kaloh, V. C. Poekoel, and M. D. Putro, “Perbandingan Algoritma Background Subtraction dan Optical Flow Untuk Deteksi Manusia,” J. Tek. Inform., vol. 13, no. 1, pp. 1–9, 2018

Fawwaz and N. P. Dharshinni, “Jurnal Sistem Informasi dan Teknologi Jaringan Perbandingan Deteksi Tepi Citra Menggunakan Operator Robert , Canny , dan Frei Chen Pada Citra Bitmap dan JPEG,” vol. 2, pp. 41–45, 2021.

M. Effendi, F. Fitriyah, and U. Effendi, “Identifikasi Jenis dan Mutu Teh Menggunakan Pengolahan Citra Digital dengan Metode Jaringan Syaraf Tiruan,” J. Teknotan, vol. 11, no. 2, p. 67, 2017

D. A. Nugraha and A. S. Wiguna, “Seleksi Fitur Warna Citra Digital Biji Kopi Menggunakan Metode Principal Component Analysis,” Res. Comput. Inf. Syst. Technol. Manag., vol. 3, no. 1, p. 24,2020,doi:10.25273/research.v3i1.5352

L. Farokhah and P. Korespondensi, “Implementasi K-Nearest Neighbor Untuk Klasifikasi Bunga Dengan Ekstraksi Fitur Warna Rgb Implementation of K-Nearest Neighbor for Flower Classification With Extraction of Rgb Color Features,” J. Teknol. Inf. dan Ilmu Komput., vol. 7, no. 6, pp. 11291136,2020,doi:10.25126/jtiik.202072608.

JEBBAR, M., MAIZATE, A., & ABDELOUAHID, R. A. (2022). Moroccan’s Arabic Speech Training And Deploying Machine Learning Models with Teachable Machine. Procedia Computer Science, 203, 801806.https://doi.org/10.1016/j.procs.2022.07.120

L. Indriyani, W. Susanto, and D. Riana, “Aplikasi Matlab Pada Pengukuran Diameter buah Jeruk Keprok,” IJCIT (Indonesian J. Comput. Inf. Technol., vol. 2, no. 1, pp. 46–52, 2017.