PENERAPAN EKSTRAKSI CIRI STATISTIK ORDE PERTAMA DENGAN EKUALISASI HISTOGRAM PADA KLASIFIKASI TELUR OMEGA-3

Febri Liantoni; Agus Adi Santoso

doi:10.24176/simet.v9i2.2476

PENERAPAN EKSTRAKSI CIRI STATISTIK ORDE PERTAMA DENGAN EKUALISASI HISTOGRAM PADA KLASIFIKASI TELUR OMEGA-3

Febri Liantoni - [ http://orcid.org/0000-0003-1084-965X ]
Agus Adi Santoso

Abstract

Telur merupakan makanan yang memiliki gizi tinggi. Dijaman sekarang telah ada telur dengan omega-3 hasil rekayasa. Secara visual untuk membedakan telur ayam biasa dan telur ayam dengan omega-3 sangat sulit karena bentuk fisik dan warna telurnya terlihat sama. Bagian yang membedakan adalah kuning telur omega-3 agak kekuningan dan kuning telur biasa lebih kemerahan. Penelitian ini diciptakan sebuah sistem analis yang mampu mengenali telur berdasarkan tekstur dengan beberapa langkah dalam teknik pengolahan citra. Beberapa teknik pengolahan citra yang digunakan yaitu konversi citra RGB ke grayscale, perbaikan kualitas citra, menghilangkan noise dengan gaussian filter dan analisis citra menggunakan ekstraksi ciri statistik orde pertama dengan nilai parameter mean, standard deviasi. Berdasarkan pengujian diperoleh tingkat precision 87,93%, recall 96,22% dan accuracy 85% berdasarkan 140 data training dan 60 data uji.

Keywords

omega-3; ekualisasi histogram; statistik orde pertama; mean; standar deviasi

Teks Lengkap:

PDF

Referensi

T. Sudaryani, Kualitas Telur. Jakarta: Penebar Swadaya, 2003.

M. Kaewsutas, A. Sarikaphuti, T. Nararatwanchai, P. Sittiprapaporn, and P. Patchanee, “Electroencephalographic study of microalgae DHA omega-3 egg consumption on cognitive function,” Journal of Functional Foods, vol. 29, pp. 46–52, Feb. 2017.

S. Arivazhaga, S. Newlin, and K. Rajesh, “External and Internal Defect Detection of Egg using Machine Vision,” Journal of Emerging Trends in Computing and Information Sciences, vol. 4, no. 3, 2013.

N. Ningrum, K. Defri, and H. Novi, “Penerapan Ekstraksi Ciri Orde Satu Untuk Klasifikasi Tekstur Motif Batik Pesisir Dengan Algoritma Backpropagasi,” Simetris : Jurnal Teknik Mesin, Elektro dan Ilmu Komputer, vol. 8, no. 2, 2017.

Y. Guan et al., “Value of whole-lesion apparent diffusion coefficient (ADC) first-order statistics and texture features in clinical staging of cervical cancers,” Clinical Radiology, vol. 72, no. 11, pp. 951–958, Nov. 2017.

N. S. P. Kong and H. Ibrahim, “Multiple layers block overlapped histogram equalization for local content emphasis,” Computers & Electrical Engineering, vol. 37, no. 5, pp. 631–643, Sep. 2011.

T. Celik, “Two-dimensional histogram equalization and contrast enhancement,” Pattern Recognition, vol. 45, no. 10, pp. 3810–3824, Oct. 2012.

C. Chen and M. K. Ng, “An image pixel based variational model for histogram equalization,” Journal of Visual Communication and Image Representation, vol. 34, pp. 118–134, Jan. 2016.

Y. Wang and Z. Pan, “Image contrast enhancement using adjacent-blocks-based modification for local histogram equalization,” Infrared Physics & Technology, vol. 86, pp. 59–65, Nov. 2017.

R. Gonzalez and W. Rafael, Digital Image Processing. Prentice-Hall, Inc., United State, America, 2002.

S. Theodoridis and K. Koutroumbas, “Pattern Recognition,” in Pattern Recognition (Fourth Edition), Boston: Academic Press, 2009.

Ahmad, Pengolahan Citra Digital dan Teknik Pemrogramannya. Graha Ilmu, Yogyakarta., 2005.

DOI: https://doi.org/10.24176/simet.v9i2.2476