Pengenalan Jenis Buah Berdasarkan Citra Menggunakan Hog Dan Histogram Hsv

Abstract

Abstrak Mengenali berbagai jenis buah merupakan salah satu kegiatan yang sering terjadi di supermarket, ketika pegawai harus mampu mengenali tidak hanya jenis buah tertentu, tetapi juga variasinya sehingga mereka mampu menentukan harga dari buah tersebut. Namun, telah ditemukan adanya masalah seperti pegawai yang tidak dapat mengingat atau menghafalkan setiap kode buah dapat menyebabkan terjadinya kesalahan pada penentuan harga. Sehingga dibutuhkan sistem yang dapat mengenali atau mengklasifikasikan jenis buah secara otomatis melalui citra. Sistem ini dapat mengklasifikasikan 131 jenis buah dari dataset Fruits360 yang terdapat keterkaitan antar kelas, seperti: tomat dan stroberi memiliki warna yang sama meskipun berbeda bentuk, serta apel braeburn dan apel golden dimana mereka memiliki bentuk yang hampir sama namun memiliki perbedaan pada hal warna. Citra dari buah akan diekstraksi fiturnya menggunakan Histogram of Oriented Gradient (HOG) dan Histogram HSV yang dipadukan dengan Random Forest (RF) sebagai metode klasifikasinya. Proses pelatihan yang telah dilakukan dengan 67.692 citra latih, memperoleh sebuah model yang dapat melakukan klasifikasi 131 jenis buah. Hasil prediksi yang dilakukan terhadap 22.688 citra uji dengan 131 jenis kelas berbeda ini dapat memprediksi kelas buah dengan akurasi hingga 98.11795%. Kata Kunci: pengenalan buah, pembelajaran mesin, HOG, HSV, random forest __________________________________________________________________________________________ Abstract Recognizing various types of fruit is one of activities that often occur in supermarkets, where staff must be able to recognize not only certain types of fruit, but also their variations, so they will be able to determine the price of the fruit. However, still there is problem have been found, such as staff not being able to memorize each fruit code, leading to errors in pricing. Therefore, it is necessary to build a system that can recognize or classify types of fruit automatically through images. This system can classify 131 types of fruit from Fruits-360 dataset which are related between classes, such as tomatoes and strawberries have the same color even though they are different in shape, as well as Braeburn apples and golden apples where they have almost same shape but have differences in color. The image of the fruit will be extracted using Histogram of Oriented Gradient (HOG) and the HSV Histogram and combined with Random Forest (RF) as the classification method. The training process with 67,692 training images has produced a model that can classify 131 types of fruit. The result of the prediction made on 22,688 test images with 131 different class types can predict fruit classes with the up to accuracy 98.11795% Keywords: fruit recognition, machine learning, HOG, HSV, random forest