Klasifikasi Citra Kue Tradisional Indonesia Berdasarkan Ekstraksi Fitur Warna RGB Color Moment Menggunakan K-Nearest Neighbor

Abstrak

Pangan merupakan salah satu kebutuhan dalam kebutuhan primer yang sangat penting bagi manusia. Kebutuhan ini haruslah dipenuhi setiap hari, namun kecenderungan manusia akan kebutuhan pangan berubah mengikuti kemajuan zaman. Masyarakat umumnya akan memilih makanan cepat saji yang siap terhidang ketimbang memilih makanan yang tradisional. Di zaman sekarang ini, kebanyakan orang cenderung mengabadikan momen saat mereka hendak menikmati sebuah makanan yang akan dikonsumsi. Mengambil gambar (foto) adalah salah satu caranya, yang mana dari gambar tersebut didapatkan sebuah citra pada makanan. Citra tersebut akan menampilkan beberapa warna yang berbeda, sehingga warna tersebut akan menjadi sebuah fitur yang dapat digunakan untuk ekstraksi. Salah satu metode yang digunakan untuk mengekstraksi fitur warna pada citra adalah Color Moment. Metode ini akan menghasilkan tiga nilai utama yakni mean, deviation standard, dan skewness. Selain itu juga, fitur ini bersama dengan algoritme K-Nearest Neighbor (K-NN) akan melakukan klasifikasi pada warna yang sudah diekstraksi berdasarkan data latih yang diambil sebanyak nilai k. Pada penelitian ini, terdapat 29 objek kue tradisional Indonesia yang akan digunakan, dimana skenario pengujian dibagi menjadi 29 kelas, 8 kelas, 5 kelas, dan 3 kelas. Dengan menggunakan metode K-NN serta fitur Color Moment, didapatkan nilai evaluasi tertinggi sebesar 60% untuk skenario pengujian terhadap 3 kelas.