Penentuan Mutu pada Citra Buah Jeruk Keprok menggunakan Metode Local Binary Pattern (LBP)

Penentuan Mutu pada Citra Buah Jeruk Keprok menggunakan Metode Local Binary Pattern (LBP)

Penulis

  • Angelika Trivena Lodong Universitas Brawijaya
  • Agus Wahyu Widodo Fakultas Ilmu Komputer, Universitas Brawijaya
  • Muh. Arif Rahman Fakultas Ilmu Komputer, Universitas Brawijaya

Kata Kunci:

Local Binary Pattern, ekstraksi fitur, penentuan mutu, jeruk keprok

Abstrak

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

Unduhan

Diterbitkan

15 Jun 2023

Cara Mengutip

Lodong, A. T., Widodo, A. W., & Rahman, M. A. (2023). Penentuan Mutu pada Citra Buah Jeruk Keprok menggunakan Metode Local Binary Pattern (LBP). Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 7(4), 1616–1622. Diambil dari https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/12550

Terbitan

Bagian

Artikel
Loading...