• Tidak ada hasil yang ditemukan

Pengolahan Citra Digital Buah Murbei dengan Algoritma LDA (Linear Discriminant Analysis) untuk Klasifikasi Otomatis Kematangan Buah

N/A
N/A
Row on

Academic year: 2024

Membagikan "Pengolahan Citra Digital Buah Murbei dengan Algoritma LDA (Linear Discriminant Analysis) untuk Klasifikasi Otomatis Kematangan Buah"

Copied!
3
0
0

Teks penuh

(1)

Review Jurnal

Untuk Memenuhi Tugas Mata Kuliah Sistem Berbasis Pengetahuan

Judul Pengolahan Citra Digital Buah Murbei

Dengan Algoritma LDA (Linear Discriminant Analysis)

Nama Penulis Aditiya Tri Laksono , Endryansyah , Puput Wanarti Rusmamto, Muhammad

Syariffuddien Zuhrie

Nama Jurnal Indonesian Journal Of Engineering And

Technology (Inajet)

Volume, No Dan Halaman Vol 4 No.2

Tahun 2022

Reviewer Winda Dwi Lestari(1121031081)

Tanggal 2 Maret 2024

Latar Belakang Penelitian Latar Belakangnya Adalah Masalah Efisiensi Sistem Konvensional Menentukan

Kematangan Buah Murbei Secara Manual, Dan Perlu Dikembangkan Sistem Otomatis Berbasis Citra Digital Menggunakan Algoritma LDA.

Tujuan Penelitian Tujuan Utamanya Adalah Mengembangkan Sistem Klasifikasi Otomatis Kematangan Buah Murbei Berbasis Citra Digital Menggunakan Algoritma LDA Untuk

Mendapatkan Hasil Yang Akurat Dan Efisien.

Dengan Demikian Proses Penentuan

Kematangan Buah Murbei Dapat Dilakukan Secara Otomatis Tanpa Perlu Inspeksi Manual.

Metode Penelitian Metode Yang Digunakan Adalah Metode Pengembangan Sistem, Eksperimen, Dan Evaluasi Kinerja Menggunakan Pengolahan Citra Digital Berbasis Algoritma LDA.

Subjek Penelitian Buah Murbei, Citra Digital Buah Murbei, Nilai-Nilai Hue Dan Saturation Yang Diekstrak, Serta Algoritma LDA.

Hasil Penelitian Hasil Penelitian Menunjukkan Bahwa Sistem Klasifikasi Kematangan Buah Murbei

Berbasis Citra Digital Menggunakan LDA Mampu Bekerja Dengan Tingkat Akurasi Di Atas 80%.

Kekurangan Penelitian 1. Jumlah Data/Sample Yang Digunakan Masih Relatif Sedikit, Hanya 30 Data

(2)

Latih Dan 12 Data Uji. Jumlah Data Yang Lebih Banyak Dapat

Meningkatkan Akurasi Model.

2. Hanya Menggunakan 2 Fitur Ekstraksi Ciri Yaitu Hue Dan Saturation Dari Citra Hsv. Penambahan Fitur Ekstraksi Ciri Lain Seperti Tekstur Dapat Memperbaiki Kinerja Klasifikasi.

3. Klasifikasi Hanya Mendeteksi 3 Kelas Kematangan Saja (Mentah, Setengah Matang, Matang). Penambahan Kelas Kematangan Lain Seperti "Terlalu Matang" Dapat Memperluas Cakupan Sistem.

Kelebihan Penelitian 1. Menggunakan Metode Pengolahan Citra Digital Yang Mampu

Memproses Citra Secara Otomatis Menggunakan Sistem Komputer.

2. Mengembangkan Sistem Klasifikasi Kematangan Buah Murbei Secara Otomatis Untuk Meningkatkan Efisiensi Dibandingkan Metode Manual.

3. Mengambil Hue Dan Saturation Sebagai Fitur Ekstraksi Ciri Yang Relevan Untuk Merepresentasikan Informasi Warna Buah Murbei.

Kesimpulan 1. Penelitian Ini Berhasil

Mengembangkan Sistem Pengolahan Citra Digital Yang Dapat

Mengklasifikasi Kematangan Buah Murbei Berdasarkan Nilai Hue Dan Saturation Yang Diambil Dari Citra Menjadi 3 Kelas Yaitu Mentah, Setengah Matang, Dan Matang.

2. Terdapat 3 Proses Utama Dalam Sistem Yaitu Proses Segmentasi Untuk Memisahkan Antara Objek Dengan Latar, Proses Ekstraksi Ciri Untuk Memperoleh Nilai Hue Dan Saturation, Serta Proses Klasifikasi Menggunakan Algoritma LDA.

3. Proses Ekstraksi Ciri Berhasil Menghasilkan Nilai-Nilai Hue Dan

(3)

Saturation Dari Citra Hsv Sehingga Mempermudah Proses Klasifikasi.

Referensi

Dokumen terkait

Dari pengujian tersebut diketahui bahwa sudut pengambilan data dari Google Earth dan posisi kapal dari citra yang diujikan tidak berpengaruh terhadap klasifikasi pada sistem

Untuk itu diperlukan suatu sistem yang dapat mengklasifikasikan mutu buah pisang menggunakan pengolahan citra digital dan jaringan saraf tiruan.. Citra pisang diambil dengan

Implementasi pada aplikasi sesuai dengan perancangan sistem yang telah ditentukan sebelumnya yaitu, proses pengolahan citra mulai dari preprocessing, ekstraksi

Berdasarkan data-data image buah jeruk, dapat mengenali pola buah jeruk yang memiliki tingkat kematangan yang sesuai dengan citra digital dengan metode

Dari hasil pengujian sistem diperoleh hasil klasifikasi sel darah putih melalui pengolahan citra digital dan metode K-NN dengan tingkat akurasi yang terbaik 76%

Untuk itu diperlukan suatu sistem yang dapat mengklasifikasikan mutu buah pisang menggunakan pengolahan citra digital dan jaringan saraf tiruan.. Citra pisang diambil dengan

Sistem klasifikasi tingkat kematangan buah pisang ambon menggunakan metode K-Nearest Neighbor untuk mengklasifikasi tingkat kematangan buah pisang ambon atau Cavendish yang dilakukan

Salah satu cara untuk mengklasifikasikan tingkat kematangan buah apel berdasarkan citra digital adalah dengan menggunakan metode ekstraksi fitur haralick dan metode klasifikasi KNN..