IMPLEMENTASI METODE K-NEAREST NEIGHBOR UNTUK PENGENALAN BUAH MURBEI DENGAN KORELASI KANDUNGAN ANTOSIANIN
Abstract
Abstract
Mulberry fruit is a fruit that contains anthocyanins as antioxidants. This anthocyanin content can be obtained by chemically extracting it. However, knowing the content of anthocyanin without direct extraction requires other methods or methods. This method can take advantage of digital image processing for feature extraction of digital images of mulberry fruit. In this research, introduction a mulberry fruit test was carried out with the correlation of information on anthocyanin content with the KNN classification method. The feature extraction used was the HSV color and the LBP texture, each of feature looked for the mean, standard deviation, skewness and kurtosis. The results of the KNN test showed K = 3 the accuracy for the HSV feature is 53.3%, the LBP feature is 13.3% and the combination of HSV and LBP is 66.7%.
Keywords : HSV, LBP, KNN, Mulberry Fruit, anthocyanins
Abstrak
Buah murbei merupakan buah yang mempunyai kandungan zat antosianin sebagai zat antioksidan. Kandungan antosianin ini bisa didapat dengan melakukan ekstrak secara kimiawi. Namun, lain halnya dalam mengetahui kandungan zat antosinain tanpa melakukan ekstraksi langsung membutuhkan cara atau metode lain. Metode tersbut dapat memanfaatkan digital image processing terhadap ekstraksi ciri citra digital buah murbei. Dalam penelitian ini dilakukan uji pengenalan buah murbei dengan korelasi informasi kandungan zat antosianin dengan metode klasifikasi KNN. Ektraksi ciri yang dimanfaatkan adalah warna HSV dan tekstur LBP yang mana masing-masing dicari nilai mean, standar deviasi, skewness dan kurtosis. Hasil pengujian KNN memperlihatkan K=3 akurasi untuk fitur HSV sebesar 53,3%, fitur LBP 13,3% dan kombinasi HSV dan LBP sebesar 66,7%.
Kata kunci : HSV, LBP, KNN, Buah Murbei, Antosianin
References
[2] D. Hardiyanto and D. A. Sartika, “Ekstraksi Fitur Citra Api Berbasis Ekstraksi Warna Pada Ruang Warna Hsv Dan Rgb Denny,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 16, no. 3, hal. 1–12, 2018.
[3] E. Prakasa, “Ekstraksi Ciri Tekstur dengan Menggunakan Local Binary Pattern,” Jurnal INKOM, vol. 9, no. 2, Hal. 45–48, 2016.
[4] F. Liantoni, “Klasifikasi Daun Dengan Perbaikan Fitur Citra Menggunakan Metode K-Nearest Neighbor,” Jurnal ULTIMATICS, vol. 7, no. 2, hal. 98–104, 2016, doi: 10.31937/ti.v7i2.356.
[5] Paramita, E. Hari Rachmawanto, C. Atika Sari, and D. R. Ignatius Moses Setiadi, “Klasifikasi Jeruk Nipis Terhadap Tingkat Kematangan Buah Berdasarkan Fitur Warna Menggunakan K-Nearest Neighbor,” Jurnal Informatika: Jurnal Pengembangan IT, vol. 4, no. 1, pp. 1–6, 2019, doi: 10.30591/jpit.v4i1.1267.
[6] H. Khotimah, N. Nafi'iyah, dan Masruroh, “Klasifikasi Kematangan Buah Mangga Berdasarkan Citra HSV dengan KNN,” Jurnal Elektronika Listrik dan Teknologi Informasi Terapan, vol. 1, no. 2, hal. 1–4, 2019
[7] Susanto, D. Sinaga, C. A. Sari, E. H. Rachmawanto, dan D. R. I. M. Setiadi, “A High Performace of Local Binary Pattern on Classify Javanese Character Classification,” Scientific Journal of Informatics, vol. 5, no. 1, hal. 8, 2018, doi: 10.15294/sji.v5i1.14017.
[8] M. A. Anggriawan, M. Ichwan, dan D. B. Utami, “Pengenalan Tingkat Kematangan Tomat Berdasarkan Citra Warna Pada Studi Kasus Pembangunan Sistem Pemilihan Otomatis,” Jurnal Teknik Informatika dan Sistem Informasi, vol. 3, no. 3, hal. 550–564, 2017, doi: 10.28932/jutisi.v3i3.688.\
[9] S. Y. Kartika, D. Herumurti, and A. Yuniarti, “Butterfly Image Classification Using Color Quantization Method on HSV Color Space and Local Binary Pattern,” IPTEK Journal of Proceedings Series, vol. 4, no. 1, hal. 78, 2018, doi: 10.12962/j23546026.y2018i1.3512.
[10] Anonim, “OpenCV Documentations,” [Daring]. Tersedia pada: https://docs.opencv.org/3.4/de/d25/imgproc_color_conversions.html. [Diakses: 1-Sept-2020].
[11] D. S. Auladi, B. Hidayat, dan S. Darana, “Identifikasi Dan Klasifikasi Kemurnian Susu Sapi Berdasarkan Pemrosesan Sinyal Video Menggunakan Metode Gabor Wavelet Dan Support Vector Machine Identification and Classification of Cow Milk Pureness Based on Video Signal Processing By Using Gabor Wavelet,” dalam e-Proceeding of Engineering, vol. 4, no. 3, hal. 3649–3656, 2017.
[12] K. Mujib, A. Hidayatno, and T. Prakoso, “Pengenalan Wajah Menggunakan Local Binary Pattern (Lbp) Dan Support Vector Machine (Svm),” Transient, vol. 7, no. 1, hal. 123, 2018, doi: 10.14710/transient.7.1.123-130.
[13] Kevin, J. Hendryli, dan D. E. Herwindiati, “Klasifikasi Kain Tenun Berdasarkan Tekstur dan Warna dengan Metode K-NN,” Journal Of Computer Science And Information Systems, vol. 3, no. 2, hal. 85–95, 2019, doi:10.24912/computatio.v3i2.6028
[14] L. Y. Hu, M. W. Huang, S. W. Ke, and C. F. Tsai, “The distance function effect on k-nearest neighbor classification for medical datasets,” Springerplus, vol. 5, no. 1, 2016, doi: 10.1186/s40064-016-2941-7.
[15] F. Astutik, “Sistem Pengenalan Kualitas Ikan Gurame Dengan Wavelet, PCA, Histogram HSV Dan KNN,” Lontar Komputer, vol. 4, no. 3, hal. 336–346, 2013.
[16] W. Winata, “Ekstraksi Antosianin Buah Murbei ( Morus Alba L . ) Metode Ultrasonic Bath ( Kajian Waktu Dan Rasio Bahan : Pelarut ) Extraction Of Anthocyanin Mulberry ( Morus Alba L .) With Ultrasonic Bath ( Study Of Extraction Time And Solid : Liquid Ratio ),” Jurnal Pangan dan Agroindustri vol. 3, no. 2, hal. 773–783, 2015.
[17] Suzery, M., S. Lestari, B. Cahyono, "Penentuan Total Antosianin dari Kelopak Bunga Rosela (Hibiscus sabdariffa L) dengan Metode Maserasi dan Sokshletasi," Jurnal Sains & Matematika (JSM), Vol. l8 no. 1, 2010
[18] Rahmasari, Hamita dan W. Hadi Susanto, "Ekstraksi Osmosis Pada Pembuatan Sirup Murbei (Morus alba L.) Kajian Proporsi Buah : Sukrosa dan Lama Osmosis," Jurnal Pangan dan Agroindustri, vol. 2, No 3, hal.191-197.
Semua tulisan pada jurnal ini menjadi tanggungjawab penuh penulis.
