Klasifikasi Kematangan Buah Tomat Dengan Variasi Model Warna Menggunakan Support Vector Machine

Nica Astrianda

Abstract


Abstract
Tomato ripeness classification has been done manually through direct visual observation. However, manual classification is highly influenced by operator subjectivity so that on certain conditions, the classification process is not consistent. The development of information technology allows the identification of the ripeness level of tomatoes based on the characteristics of color with the help of computers. In this study Tomato fruit is classified by histogram color image input obtained from the capture result. This is done by changing all the colors in the image of the RGB color model (Red, Green, Blue) into several different color models ie HSV color model (Hue, Saturation, Value), CIElab color model and YCBCR color model. The obtained color model will be used as training data using SVM (Support Vector Machine) so that the system is able to classify the ripeness of tomato fruit later. The image processing process of this research is done using matlab. After being analyzed manually using 20 data as training, 54 data as data testing got success rate classification of tomato fruit ripeness using Support Vector Machine is 100% by using CIElab color model.

Keywords:
Support Vector Machine; CIElab; HSV; YCbCr; Ripeness of Tomato
____________________________

Abstrak
Klasifikasi kematangan tomat telah dilakukan secara manual melalui pengamatan visual langsung. Namun, klasifikasi manual sangat dipengaruhi oleh subjektivitas operator sehingga pada kondisi tertentu, proses klasifikasi tidak konsisten. Perkembangan teknologi informasi memungkinkan identifikasi tingkat kematangan tomat berdasarkan karakteristik warna dengan bantuan komputer. Dalam penelitian ini buah tomat diklasifikasikan berdasarkan input gambar berwarna histogram yang diperoleh dari hasil tangkapan. Hal ini dilakukan dengan mengubah semua warna pada gambar model warna RGB (Red, Green, Blue) menjadi beberapa model warna yang berbeda yaitu model warna HSV (Hue, Saturation, Value), model warna CIElab dan model warna YCBCR. Model warna yang diperoleh akan digunakan sebagai data pelatihan menggunakan SVM (Support Vector Machine) sehingga sistem mampu mengklasifikasikan kematangan buah tomat. Proses pengolahan citra pada penelitian ini dilakukan dengan menggunakan matlab. Setelah dianalisis secara manual menggunakan 20 data sebagai data pelatihan, 54 data sebagai data pengujian mendapatkan klasifikasi tingkat keberhasilan kematangan buah tomat menggunakan Support Vector Machine adalah 100% dengan menggunakan model warna CIElab.

Kata Kunci:
Support Vector Machine; CIElab; HSV; YCbCr; Kematangan Tomat.
__________________________

Keywords


Support Vector Machine; CIElab; HSV; YCbCr; Kematangan Tomat; Support Vector Machine; CIElab; HSV; YCbCr; Ripeness of Tomato

Full Text:

PDF

References


Ananto, I. D., & Murinto. (2015). Aplikasi Pengolahan Citra Mendeteksi Kualitas Cabai Berdasarkan Tingkat Kematangan Menggunakan Transformasi Warna YCbCr. Jurnal Informartika UAD, 9(2), 283–293.

Arief, M. (2019). Klasifikasi Kematangan Buah Jeruk Berdasarkan Fitur Warna Menggunakan Metode SVM. Jurnal Ilmu Komputer Dan Desain Komunikasi Visual, 4(1), 9–16.

Astrianda, N., & Mohamad, F. S. (2017). Ripeness Identification of Tomato Using Different Color Models Based on Neural Networklevenberg-Marquardt. World Applied Sciences Journal, 35(Lm), 57–61.

Ghazali, Eko K., Subha, Galuh M., Burhannudin, M. I. N. (2018). Aplikasi Kematangan Tomat Berdasarkan Warna dengan Metode Linear Discriminant Analysis (LDA).

Https://Docplayer.Info/31373581-Aplikasi-Kematangan-Tomat-Berdasarkan-Warna-Dengan-Metode-Linear-Discriminant-Analysis-Lda.Html.

Permadi, B. E. (2019). Rancang bangun alat sortir kematangan buah belimbing berdasarkan ukuran dan warna dengan mikrokontroler arduino.

Rakhmawati, R. P. (2013). Sistem Deteksi Jenis Bunga Menggunakan Nilai Hsv Dari Citra Mahkota Bunga. Universitas Stikubank, Semarang.

Riska, S. Y. (2015). Klasifikasi Level Kematangan Tomat Berdasarkan Perbedaan Perbaikan Citra Menggunakan Rata-Rata RGB Dan Index Pixel. Jurnal Ilmiah Teknologi Informasi Asia, 9(2), 18–26.

Riska, S. Y. R., & Subekti, P. (2016). Klasifikasi Level Kematangan Buah Tomat Berdasarkan Fitur Warna Menggunakan Multi-Svm. Jurnal Ilmiah Informatika, 1(1).

Safrizal, S. (2019). Pengenalan Karakter Jawi Tulisan Tangan Menggunakan Fitur Sudut. VOCATECH: Vocational Education and Technology Journal, 1, 1-4.

Sari, R. T. (2013). Perbandingan metode jaringan syaraf tiruan backpropagation dan algoritma pencocokan dalam mengidentifikasi kematangan tomat buah berdasarkan ciri warna rgb. Yogyakarta: Fakultas Sains dan Teknologi UIN Sunan Kalijaga Yogyakarta.

Sinaga, A. S. (2019). SEGMENTASI RUANG WARNA L*a*b. Jurnal Mantik Penusa, 3(1), 43–46.




DOI: https://doi.org/10.38038/vocatech.v1i2.27

Refbacks

  • There are currently no refbacks.


VOCATECH : Vocational and Technology Journal
Unit Penelitian dan Pengabdian Masyarakat & Penjaminan Mutu
Akademi Komunitas Negeri Aceh Barat

Komplek STTU Alue Peunyareng, Ujong Tanoh Darat, Meureubo, Kabupaten Aceh Barat, Aceh 23615
Telp.  (0655) 7110271
Email: vocatech@aknacehbarat.ac.id

 

VOCATECH: Vocational Education and Technology Journal Published by:

 

Indexed by:

       

 

VOCATECH: Vocational Education and Technology Journal Creative Commons Attribution-ShareAlike 4.0 International License. © All rights reserved 2017. VOCATECH: Vocational Education and Technology Journal (p-ISSN 2716-5183, e-ISSN 2686-4770)