Sistem Klasifikasi Kematangan Tomat Berdasarkan Warna Dan Bentuk Menggunakan Metode Support Vector Machine (SVM)
| Main Authors: | Abdullah, Abdullah; Universitas Islam Indragiri, Pahrianto, Pahrianto; Universitas Islam Indragiri |
|---|---|
| Format: | eJournal |
| Bahasa: | ind |
| Terbitan: |
Major of Information Systems Faculty of Computer Science Sriwijaya University
, 2017
|
| Online Access: |
http://ejournal.unsri.ac.id/index.php/jsi/article/view/5007 |
Daftar Isi:
- Abstract Ordinary tomatoes (Lycopersicun Commune) fruit shape round flat and size is not regular. This type of tomato is very suitable to be grown in lowland areas. This shows that tomato commodity has been consumed by society widely and have competitiveness. During this sorting process is still done manually that still has many shortcomings. Manual classification gives a classification result that is less precise and inconsistent due to the negligence of humans. Quality in the processing and marketing sectors is important. Improper quality has the potential to harm the farmers because all the quality of fruit is equal. For that we need a consistent classification system. The system uses image processing to extract color and shape features. The classification method used is the Support Vector Machine (SVM). This system will classify the tomatoes into 3 quality classes, namely class A, class B, and outside of quality I, beyond quality II. SVM is designed with an input of 10 extraction features ie average RGB value (Red, Green, Blue), and AP value (area and perimeter) with 3 class output. Digital image processing used for tomato objects from digital cameras will generate the intensity of reflections that illuminate the light and dark on the appearance of the pixel-pixel arrangement and will also provide color information, pixels can be shown its location by using coordinates. Testing using 10 x 10 fold crossvalidation method, from the test results obtained that the system is able to provide an average accuracy of 82.83% and standard deviation 1.52. Keywords: Tomato, Classification, Support Vector Machine (SVM), Data Mining, Image Processing. Abstrak Tomat biasa (Lycopersicun Commune) bentuk buahnya bulat pipih dan ukurannya tidak teratur. Jenis tomat ini sangat cocok ditanam di daerah daratan rendah. Hal ini menunjukkan bahwa komoditas tomat sudah dikonsumsi masyarakat secara luas dan memiliki daya saing. Selama ini proses sortasi masih dilakukan secara manual yang masih memiliki banyak kekurangan. Pengklasifikasian secara manual ini memberikan hasil klasifikasi yang kurang tepat dan tidak konsisten dikarenakan adanya keteledoran dari manusia. Kualitas di sektor pengolahan dan pemasaran merupakan hal yang penting. Kualitas yang tidak tepat berpotensi merugikan petani dikarenakan semua mutu buah dihargai sama. Untuk itu perlu adanya sistem pengklasifikasian yang konsisten. Sistem ini menggunakan pengolahan citra untuk mengekstrak fitur warna dan bentuk. Metode klasifikasi yang digunakan adalah Support Vector Machine (SVM). Sistem ini akan mengklasifikasikan tomat ke dalam 3 kelas mutu, yakni kelas A, kelas B, dan luar mutu I, luar mutu II. SVM dirancang dengan masukan 10 fitur ekstraksi yaitu rata-rata nilai RGB (Red, Green, Blue), dan nilai AP (area dan perimeter) dengan keluaran 3 kelas. Pengolahan citra digital yang digunakan untuk objek tomat dari kamera digital akan menghasilkan intensitas pantulan yang menggambarkan terang dan gelap pada penampilan piksel-piksel penyusunannya selain itu juga akan memberikan informasi warna, piksel dapat ditunjukkan lokasinya dengan menggunakan koordinat. Pengujian menggunakan 10 x 10 fold crossvalidation method, dari hasil pengujian didapatkan bahwa sistem ini mampu memberikan akurasi rata-rata 82.83% dan simpangan baku 1.52 Kata kunci: Tomat, Klasifikasi, Support Vector Machine (SVM), Data Mining, Pengolahan Citra