KLASIFIKASI KEMATANGAN DAUN TEMBAKAU VIRGINIA MENGGUNAKAN PENGOLAH CITRA DIGITAL

Alfian Danu Ismail
Danang Erwanto - [ http://orcid.org/0000-0002-8259-8012 ]
Iska Yanuartanti

Abstract


Tembakau virginia sebelum memasuki proses pada industri harus melewati proses yang sangat penting yaitu sortir kematangan daun tembakau oleh petani. Daun tembakau virginia yang layak diproses pada industri memliki kematangan yang sesuai dengan gradingnya yaitu daun bewarna kekuning kuningan. Oleh karna itu peneliti membuat penelitian tentang bagaimana cara mempermudah petani untuk memilah daun dengan kematangan yang sesuai. Rumusan masalah yaitu implementasi color moment, akurasi SVM, efektivitas SVM. Batasan masalah terfokus pada warna tembakau dan hanya pada jenis tembakau virginia, klasifikasi dilakukan hanya untuk tembakau matang, mentah, tua. Tak kalah penting tujuan dan manfaat penelitian untuk mengetahui kematangan daun tembakau virginia dengan menggunakan metode ekstraksi fitur warna color moment, mengetahui akurasi klasifikasi dengan menggunakan metode Support Vector Machine. Peneliti membuat klasifikasi kematangan tembakau dengan menggunakan software Matlab. Dengan menggunakan metode ektraksi fitur warna color moment dan klasifikasi dengan menggunakan metode Support Vector Machine. Preprossing menggunakan metode cropping 200x200 piksel dan dikonversi RGB ke HSV. Hasil HSV diproses dengan metode color moment dengan parameter mean, standart deviasi, skewness. Hasil parameter diklasifikasi dengan SVM dengan masing-masing target per-kelas yaitu matang, muda, dan tua. Akurasi SVM pada penelitian di dapatkan sebesar 98%, rata-rata precission 98% recall 97,6% f-measure 97,6%. Hasil klasifikasi dengan metode SVM termasuk kategori sangat baik.

Keywords


klasifikasi; color moment; SVM; tembakau virginia

Teks Lengkap:

PDF

Referensi


F. Guna, “Kriteria Kematangan Daun Tembakau,” Kediri, Jan 2023. [2] N. Kurnia Ningrum dan E. Sasmita, EKSTRAKSI WARNA BERDASARKAN RGB UNTUK MENENTUKAN TINGKAT KEMATANGAN DAUN TEMBAKAU, vol. 207. 2015. [3] D. Syahid, J. Jumadi, dan D. Nursantika, “Sistem Klasifikasi Jenis Tanaman Hias Daun Philodendron Menggunakan Metode K-Nearest Neighboor (KNN) Berdasarkan Nilai Hue, Saturation, Value (HSV),” Jurnal Online Informatika, vol. 1, no. 1, 2016, doi: 10.15575/join.v1i1.6. [4] H. Syahputra, F. Arnia, dan K. Munadi, “Karakterisasi Kematangan Buah Kopi Berdasarkan Warna Kulit Kopi Menggunakan Histogram dan Momen Warna,” JURNAL NASIONAL TEKNIK ELEKTRO, vol. 8, no. 1, 2019, doi: 10.25077/jnte.v8n1.615.2019. [5] V. Jakkula, “Tutorial on Support Vector Machine (SVM),” School of EECS, Washington State University, 2011. [6] Justiawan dkk., “Comparative analysis of color matching system for teeth recognition using color moment,” Medical Devices: Evidence and Research, vol. 12, 2019, doi: 10.2147/MDER.S224280. [7] L. Bo dan T. Whangbo, “A SIFT-Color moments descriptor for object recognition,” dalam 2014 International Conference on IT Convergence and Security, ICITCS 2014, 2014. doi: 10.1109/ICITCS.2014.7021716. [8] P. U. Rakhmawati, Y. M. Pranoto, dan E. Setyati, “Klasifikasi Penyakit Daun Kentang Berdasarkan Fitur Tekstur dan Fitur Warna Menggunakan Support Vector Machine,” Seminar Nasional Teknologi dan Rekayasa (SENTRA), 2018. [9] K. A. Wibisono dan A. F. Ibadillah, “Implementasi Metode Feature Extraction pada Klasifikasi Kualitas Daun Tembakau Madura,” Rekayasa, vol. 10, no. 2, 2017, doi: 10.21107/rekayasa.v10i2.3607. [10] P. N. Andono, E. H. Rachmawanto, N. S. Herman, dan K. Kondo, “Orchid types classification using supervised learning algorithm based on feature and color extraction,” Bulletin of Electrical Engineering and Informatics, vol. 10, no. 5, 2021, doi: 10.11591/eei.v10i5.3118. [11] P. Hidayatullah, “Pengolahan Citra Digital : Teori dan Aplikasi Nyata,” Bandung: Informatika, 2017. [12] A. Kurniasari, D. Erwanto, dan P. N. Rahayu, “Ekstraksi Fitur Tekstur dan Warna pada Kulit Katak Menggunakan GLCM dan Momen Warna,” Jurnal ELTIKOM, vol. 6, no. 1, 2022, doi: 10.31961/eltikom.v6i1.287.




DOI: https://doi.org/10.24176/elkon.v3i1.10131

Article Metrics

Abstract views : 361| PDF views : 395

Refbacks

  • Saat ini tidak ada refbacks.


INDEKSASI

                                  fortei-images

     

   

Flag Counter

 

Lisensi Creative Commons
Elkon: Jurnal Teknik Elektro is licensed under a Creative Commons Attribution 4.0 International License.

 

Dedicated to: