Implementasi Background Subtraction Untuk Klasifikasi Keripik Kentang Berbasis Raspberry Pi Menggunakan Metode Naïve Bayes
| Main Author: | Pratama, Yongki |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2018
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/13742/1/Yongki%20Pratama.pdf http://repository.ub.ac.id/13742/ |
Daftar Isi:
- Perkembangan ilmu pengetahuan dan teknologi pada masa sekarang banyak digunakan didunia industri untuk pengolahan hasil pertanian dan perkebunan. Kentang adalah jenis sayuran yang bisa diolah menjadi beragam makanan, salah satunya ialah keripik. Banyak perusahaan besar di Indonesia yang memproduksi keripik dari kentang. Salah satunya yaitu Pabrik Istana yang berada di Kota Wisata Batu. Kentang yang diolah mempunyai beragam ukuran mulai dari ukuran yang paling besar yaitu (Super), lalu ukuran (AB) yang berukuran sedang, kemudian ukuran (A) yang paling kecil. Proses penyortiran pada pabrik tersebut dilakukan oleh manusia secara manual sehingga menghasilkan keluaran yang relatif kurang seragam, Oleh karena itu dibutuhkan penelitian mengenai suatu alat yang dapat menyortir atau memilah keripik kentang secara otomatis. Dalam penelitian ini, sistem yang dibuat berupa konveyor, yang dipasang sebuah webcam sebagai sensor untuk mengambil gambar dari keripik kentang yang kemudian diolah dalam Raspberry Pi menggunakan metode pengolahan citra Background Substraction. Background Subtractionadalah metode yang banyak digunakan untuk mendeteksi objek bergerak yang mana pada sistem ini keripik yang diambil nilainya adalah objek bergerak. Keripik kentang akan diklasifikasi berdasarkan ukuran yang dibaca oleh sistem dengan menggunakan parameter nilai w dan h atau lebar dan tinggi dari boundingbox keripik kentang yang dikonversi ke ukuran sebenarnya dengan satuan millimeter. Nilai tersebut digunakan sebagai acuan untuk diklasifikasi menggunakan metode Naïve Bayes. Naïve Bayes digunakan untuk metode klasifikasi karena merupakan metode yang yang mempunyai peforma tinggi dan mempunyai akurasi yang sangat baik untuk klasifikasi. Setelah mendapatkan hasil klasifikasi keripik kentang akan didorong atau dipilah oleh pendorong yang dijalankan servo. Dari hasil pengujian yang dilakukan Background Subtractiondapat membaca citra kentang dengan baik. Pembacaan ukuran keripik kentang dari sistem mendapatkan error yang kecil yaitu sebesar 3,73%. Kemudian Akurasi yang diperoleh menggunakan metode Naïve Bayes dalam klasifikasi keripik dengan 90 data latih dan 30 data uji adalah senilai 93,33 mempunyai kecepatan waktu pemrosesan rata-rata sebesar 1,7 ms dari 30 kali pengujian tersebut. Kemudian dilakukan pengujian hardware servo yang sudah berjalan sesuai sistem.