Deteksi Kualitas Keju Cheddar Layak Makan Berdasarkan Tekstur Menggunakan Metode Discrete Cosine Transform (dct) Dengan Klasifikasi Decision Tree Pada Citra Digital

Hanif Jaka Permana, Bambang Hidayat, Sjafril Darana

Abstract

ABSTRAK Keju adalah makanan yang terbuat dari zat-zat pada susu melalui proses pengentalan dengan bantuan bakteri atau enzim tertentu yang disebut rennet. Keju sangat bermanfaat karena kaya akan protein dan menjadi bahan favorit untuk berbagai masakan. Namun, kualitas dari keju yang dihasilkan produsen berbeda-beda. Sehingga terdapat batas layak makan untuk tiap keju. Secara kasat mata kualitas keju layak makan ini tidak bisa dilihat. Hal ini yang menjadi latar belakang penulis memilih judul tugas akhir ini. Dalam Tugas Akhir ini penulis membahas bagaimana cara mendeteksi kualitas keju berdasarkan tekstur. Terdapat metode yang dapat digunakan untuk klasifikasi kualitas keju. Pada Tugas Akhir ini penulis menggunakan metode Discrete Cosine Transform dengan klasifikasi Decision Tree. Citra digital diubah kedalam komponen frekuensi dasar dengan teknik Discrete Cosine Transform. Teknik ini merepresentasikan sebuah citra dari penjumlahan sinusoida dari magnitude dan frekuensi yang berubah-ubah. Sifat dari DCT adalah mengubah informasi citra yang signifkan dikonsentrasikan hanya pada beberapa koefisien DCT. Hasil ekstraksi ciri tersebut diklasifikasikan dengan teknik Decision Tree sehingga diketahui kualitas keju yang baik. Pengujian dilakukan terhadap 48 citra keju, dengan komposisi masing-masing kelas memiliki 16 citra dimana kelas satu sampai tiga dengan keterangan sangat layak makan, layak makan, tidak layak makan. Hasil pengujian ini didapatkan akurasi sebesar 89,58% dan waktu komputasi secepat 0,02 detik dengan menggunakan metode DCT dari nilai ciri Standard Deviation dan Entropy. Kata Kunci : Keju, Discrete Cosine Transform (DCT), Decision Tree, Citra Digital. ABSTRACT Cheese is the food made from substances of the milk through the coagulation process with the help of bacteria or enzyme that is named rennet. Cheese is so beneficial because it contains full of protein and becomes favourite ingredient for many dishes. But, the producers make the cheese with many different quality. So there is the limit to cheese to become edible. Normally we can't see the quality of cheese only with eyes. This is the background of the author to choose the title of this final assignment. In this final task the author examine how to detect the quality of cheese based on its texture. There are some methods which can be used to classify the quality of the cheese. In this final task, the author use Discrete Cosine Transform method with Decision Tree classification. Digital image is changed to the basic frequency component with Discrete Cosine Transform technique. This technique represents an image from the sum of sinusoidal from the changing magnitude and frequency. The character of DCT changes image information which is significantly concentrated on several DCT coefficients. The result of feature extraction is classified with Decision Tree technique, so the good quality of the cheese can be identified. This examination was performed on 48 pictures of cheese, composed with 16 pictures for every class from the first until the third class with explanation of cheese are very eatable, eatable, not eatable. This examination obtained an accuracy of 89,583% with computing time of 0,02 second by using the first order parameter DCT method of Standard Deviation and Entropy. Keyword : Cheese, Discrete Cosine Transform (DCT), Decision Tree, Digital Image

Full Text:

PDF

Refbacks

  • There are currently no refbacks.
max_upload :0