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

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