Klasifikasi Kesegaran Sayur Kangkung Dan Deteksi Terpapar Bahan Kimia Menggunakan Metode Glcm Dan Knn

Rufus Ocsan, Jangkung Raharjo, Irma Safitri

Abstract

Abstrak
Sayur kangkung dapat diklasifikasikan sebagai sayuran jenis daun yang memiliki banyak khasiat
bagi kesehatan dan mudah untuk didapatkan. Namun terdapat hal buruk yang bisa terjadi, jika sayur
kangkung sudah tidak segar dan terpapar bahan kimia. Dampak dari sayuran yang terpapar bahan kimia
dan yang mengalami pembusukan seperti, kram perut, diare, demam, menggigil, mual, muntah, pusing,
kelelahan, lemas, bahkan dampak yang lebih buruk mengakibatkan gangguan seperti pikun, penyakit
parkinson, dalam jangka panjang, mengganggu kesuburan pria dan dapat menyebabkan kanker.
Oleh sebab itu, Tugas Akhir ini dirancang untuk menghasilkan proses klasifikasi kualitas dan
mendeteksi jika terpapar bahan kimia pada sayur kangkung. Data yang digunakan adalah hasil dari
pengambilan sayur kangkung pada bagian batang dan daun yang akan dikelola dengan citra digital. Data
akan dibagi berdasarkan data latih dan data uji. Sistem menggunakan metode Gray Level Co-ocurrence
Matrix (GLCM) untuk mengekstraksi ciri dari data yang telah diolah dengan penggunaan citra digital
dan metode K-Nearest Neighbor untuk mengklasifikasikan data.
Tugas Akhir ini dilakukan dengan dua kali percobaan yang menghasilkan sebuah sistem untuk
mengklasifikasikan kesegaran dan mendeteksi terpapar bahan kimia berdasarkan 3 jenis, yaitu sayur
kangkung segar yang tidak terpapar bahan kimia, sayur kangkung segar yang terpapar bahan kimia dan
sayur kangkung yang mengalami proses pembusukan. Percobaan pertama sistem ini memiliki akurasi
sebesar 42,85% dengan nilai k=1 pada arah sudut 0°, 45°, 90°, 135°. Percobaan kedua system ini memliki
akurasi sebesar 100% dengan nilai k=1 pada arah sudut 0°, 45°, 90°, 135°. Kesalahan klasifikasi banyak
terdapat pada percobaan pertama dikarenakan nilai karakteristik citra uji lebih dominan dengan nilai
karakteristik citra latih dan terdapat data uji yang tidak sempurna.
Kata Kunci: Kangkung, Gray Level Co-Occurrence Matrix, K-Nearest Neighbor, Matlab
Abstract
Kale vegetables can be classified as leafy vegetables that have many health benefits and are easy
to obtain. But there are bad things that can happen, if the kale vegetables are not fresh and are exposed
to chemicals. The effects of vegetables that are exposed to chemicals and which experience decay, such
as stomach cramps, diarrhea, fever, chills, nausea, vomiting, dizziness, fatigue, weakness, even worse
effects result in disorders such as dementia, Parkinson's disease, in the long term, disturbing male fertility
and can cause cancer.
Therefore, this final project is designed to produce a quality classification process and detect if
it is exposed to chemicals in kale vegetables. The data used is the result of taking kale vegetables on the
stems and leaves which will be managed with digital images. The data will be shared based on training
data and test data. The system uses the Gray Level Co-occurrence Matrix (GLCM) method to extract
features from processed data using digital images and the K-Nearest Neighbor method to classify data.
This final project was carried out with two experiments which resulted in a system to classify
freshness and detect chemical exposure based on 3 types, namely fresh kale vegetables that were not
exposed to chemicals, fresh kale vegetables that were exposed to chemicals and vegetables that were
subjected to a process of decay. The first experiment of this system has an accuracy of 42.85% with a
value of k = 1 at the angle of 0 °, 45 °, 90 °, 135 °. Experiments of these two systems have an accuracy
of 100% with a value of k = 1 in the direction of the angle of 0 °, 45 °, 90 °, 135 °. There are many
classification errors in the first experiment because the characteristic value of the test image is more
dominant with the characteristic value of the training image and there are imperfect test data.
Keywords: Kale, Gray Level Co-Occurrence Matrix, K-Nearest Neighbor, Matlab

Full Text:

PDF

Refbacks

  • There are currently no refbacks.
max_upload :0