Penentuan Mutu pada Citra Buah Jeruk Keprok menggunakan Metode Local Binary Pattern (LBP)
Kata Kunci:
Local Binary Pattern, ekstraksi fitur, penentuan mutu, jeruk keprokAbstrak
Pertumbuhan jumlah produksi jeruk di Indonesia terus meningkat setiap tahunnya. Data dari Kementerian Pertanian pada tahun 2014 menyatakan bahwa dari semua jenis jeruk yang ada di Indonesia, jeruk keprok memiliki hasil produksi yang paling banyak yaitu sekitar 92% dari total hasil produksi buah jeruk seluruhnya. Mutu dari hasil produksi buah jeruk keprok menjadi hal yang sangat penting, terutama dalam persaingan pasar. Pemanfaatan teknologi visual dapat digunakan dalam penentuan mutu jeruk keprok dan dapat menggantikan proses penentuan mutu secara manual oleh manusia, agar sesuai dengan standarisasi mutu buah jeruk keprok. Penelitian ini memanfaatkan hasil dari ekstraksi fitur Local Binary Pattern (LBP) citra jeruk keprok untuk penentuan mutu. Langkah awal dari penelitian ini yaitu mengambilan data citra jeruk keprok. Pada citra jeruk keprok, dilakukan pemotongan citra untuk mendapatkan setiap area yang akan diklasifikasikan menjadi kelas baik atau buruk, selanjutnya dilakukan proses pre-processing yang didalamnya terdapat proses mengubah citra berwarna menjadi citra grayscale. Kemudian dilakukan proses ekstraksi fitur Local Binary Pattern (LBP). Hasil ekstraksi fitur dari potongan citra tersebut akan diklasifikasikan menjadi kelas baik atau buruk. Setelah semua potongan citra telah diklasifikasikan, maka akan didapatkan jumlah potongan yang baik dan buruk dalam sebuah citra, sehingga dapat ditentukan Grade dari buah jeruk keprok. Mutu jeruk keprok dibagi menjadi 3 kelas yaitu, Grade Super, Grade A dan Grade B. Pada penelitian ini diperoleh hasil akurasi terbaik yaitu sebesar 80%, dengan ukuran dimensi citra sebesar 100x100 piksel dan jarak ketetanggaan atau nilai R=1.
Referensi
Achsani, F.N., Atmaja, R.D., dan Purnamasari, R., 2015. Deteksi Adanya Cacat Pada Kayu Menggunakan Metode Local Binary Pattern, hal.298–305
Astuti, S., 2015. Tabloid Sinar Tani. [Online] Tersedia di: <https://tabloidsinartani.com/detail/indeks/mimbar-penyuluhan/2317-mutu-jeruk-keprok-untuk-daya-saing-di-pasaran/> [Diakses 15 Februari 2019]
BALITBANGTAN., 2009. Badan Penelitian Bagian Pertanian. [Online] Tersedia di: <http://www.litbang.pertanian.go.id/special/komoditas/b3jeruk/> [Diakses 15 Februari 2019]
Biglari, M., Mirzaei, F., dan Neycharan, J.G., 2014. Persian/Arabic Handwritten Digit Recognition Using Local Binary Patterns
Cahyaningtyas, S.D., 2016. Pengenalan Wajah Menggunakan Metode Ekstraksi Fitur Local Binary Pattern Berdasarkan Metode K-Nearest Neighbor
Dubey, S.R., dan Jalal, A.S., 2012. Detection and Classification of Apple Fruit Diseases using Complete Local Binary Patterns.
Endarto, O. dan Martini, E., 2016. Pedoman Budi Daya Jeruk Sehat. Bogor: World Agroforestry Centre (ICRAF) Southeast Asia Regional Program.
Han, J., Kamber, M., dan Pei, J., 2012. Data Mining Concepts and Techniques, Waltham: Elsevier
Hartono, B., dan Lusiana, V., 2017. Pencarian Isi Citra Menggunakan Metode Minkowski Distance
Kitaguchi, S., Westland, S., dan Luo, M.R., 2005. Suitability of Texture Analysis Method for Perceptual Texture
Kusuma, F.S., Pawening, E.R., dan Dijaya, R., 2017. Otomatisasi Klasifikasi Kematangan Buah Mengkudu Berdasarkan Warna dan Tekstur
Mutrofin, S., Izzah, A., dan Kurniawardhani, A., 2014. Optimasi Teknik Klasifikasi Modified K-Nearest Neighbor Menggunakan Algoritma Genetika
Ojala, T., Pietikäinen, M., dan Maenpaa, T., 2002. Multire Solution Gray-Scale And Rotation Invariant Texture Classification With Local Binary Patterns, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 24, no. 7, hal. 971–987
Olaniyi, E.O., Adekunle, A.A., Odekuoye, T., dan Khashman, A., 2017. Automatic System For Grading Banana Using GLCM Texture Feature Extraction and Neural Network Arbitrations
Putra, 2010. Pengolahan Citra Digital, Yogyakarta: Andi
Pratama, J.P., 2016. Identifikasi Nilai Nominal Uang Kertas dengan Metode Local Binary Pattern
Pietikäinen, M., Hadid, A., Zhao, G., dan Ahonen, T., 2011. Computer Vision Using Local Binary Pattern
Standar Nasional Indonesia, 2009. SNI 3165:2009, Jakarta: Badan Standardisasi Nasional (BSN)
Suryani, R., 2016. Outlook Jeruk, Jakarta: Pusat Data dan Sistem Informasi Pertanian Sekretariat Jenderal - Kementerian Pertanian
Taufik, Y., 2015. Statistik Produksi Holtikultura Tahun 2014, Jakarta: Direktorat Jenderal Hortikultura Kementerian Pertanian
Turiyanto, M.D., Purwanto, D., dan Dikairono, R., 2014. Penerapan Teknik Pengenalan Wajah Berbasis Fitur Local Binary Pattern pada Robot Pengantar Makanan. pp.1–6
Widodo, R., Widodo, A.W., dan Supriyanto, A., 2018. Pemanfaatan Ciri Gray Level Co-Occurrence Matrix (GLCM) Citra Buah Jeruk Keprok (Citrus Reticulata Blanco) untuk Klasifikasi Mutu
Yustanti, W., 2012. Algoritme K-Nearest Neighbour untuk Memprediksi Harga Jual Tanah. 9(1), pp.57–68
Achsani, F.N., Atmaja, R.D., dan Purnamasari, R., 2015. Deteksi Adanya Cacat Pada Kayu Menggunakan Metode Local Binary Pattern, hal.298–305
Astuti, S., 2015. Tabloid Sinar Tani. [Online] Tersedia di: <https://tabloidsinartani.com/detail/indeks/mimbar-penyuluhan/2317-mutu-jeruk-keprok-untuk-daya-saing-di-pasaran/> [Diakses 15 Februari 2019]
BALITBANGTAN., 2009. Badan Penelitian Bagian Pertanian. [Online] Tersedia di: <http://www.litbang.pertanian.go.id/special/komoditas/b3jeruk/> [Diakses 15 Februari 2019]
Biglari, M., Mirzaei, F., dan Neycharan, J.G., 2014. Persian/Arabic Handwritten Digit Recognition Using Local Binary Patterns
Cahyaningtyas, S.D., 2016. Pengenalan Wajah Menggunakan Metode Ekstraksi Fitur Local Binary Pattern Berdasarkan Metode K-Nearest Neighbor
Dubey, S.R., dan Jalal, A.S., 2012. Detection and Classification of Apple Fruit Diseases using Complete Local Binary Patterns.
Endarto, O. dan Martini, E., 2016. Pedoman Budi Daya Jeruk Sehat. Bogor: World Agroforestry Centre (ICRAF) Southeast Asia Regional Program.
Han, J., Kamber, M., dan Pei, J., 2012. Data Mining Concepts and Techniques, Waltham: Elsevier
Hartono, B., dan Lusiana, V., 2017. Pencarian Isi Citra Menggunakan Metode Minkowski Distance
Kitaguchi, S., Westland, S., dan Luo, M.R., 2005. Suitability of Texture Analysis Method for Perceptual Texture
Kusuma, F.S., Pawening, E.R., dan Dijaya, R., 2017. Otomatisasi Klasifikasi Kematangan Buah Mengkudu Berdasarkan Warna dan Tekstur
Mutrofin, S., Izzah, A., dan Kurniawardhani, A., 2014. Optimasi Teknik Klasifikasi Modified K-Nearest Neighbor Menggunakan Algoritma Genetika
Ojala, T., Pietikäinen, M., dan Maenpaa, T., 2002. Multire Solution Gray-Scale And Rotation Invariant Texture Classification With Local Binary Patterns, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 24, no. 7, hal. 971–987
Olaniyi, E.O., Adekunle, A.A., Odekuoye, T., dan Khashman, A., 2017. Automatic System For Grading Banana Using GLCM Texture Feature Extraction and Neural Network Arbitrations
Putra, 2010. Pengolahan Citra Digital, Yogyakarta: Andi
Pratama, J.P., 2016. Identifikasi Nilai Nominal Uang Kertas dengan Metode Local Binary Pattern
Pietikäinen, M., Hadid, A., Zhao, G., dan Ahonen, T., 2011. Computer Vision Using Local Binary Pattern
Standar Nasional Indonesia, 2009. SNI 3165:2009, Jakarta: Badan Standardisasi Nasional (BSN)
Suryani, R., 2016. Outlook Jeruk, Jakarta: Pusat Data dan Sistem Informasi Pertanian Sekretariat Jenderal - Kementerian Pertanian
Taufik, Y., 2015. Statistik Produksi Holtikultura Tahun 2014, Jakarta: Direktorat Jenderal Hortikultura Kementerian Pertanian
Turiyanto, M.D., Purwanto, D., dan Dikairono, R., 2014. Penerapan Teknik Pengenalan Wajah Berbasis Fitur Local Binary Pattern pada Robot Pengantar Makanan. pp.1–6
Widodo, R., Widodo, A.W., dan Supriyanto, A., 2018. Pemanfaatan Ciri Gray Level Co-Occurrence Matrix (GLCM) Citra Buah Jeruk Keprok (Citrus Reticulata Blanco) untuk Klasifikasi Mutu
Yustanti, W., 2012. Algoritme K-Nearest Neighbour untuk Memprediksi Harga Jual Tanah. 9(1), pp.57–68
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2023 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer

Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.