Segmentasi Kematangan Buah Markisa Berdasarkan Kemiripan Warna Dengan Algoritma K-Means
DOI:
https://doi.org/10.53513/jsk.v7i1.9492Abstract
Tingkat matang buah markisa bisa identifikasi dari beberapa cara salah satunya yaitu melihat warna buah tersebut, bentuk buah yang semakin besar dan permukaan warna buah yang kuning menyeluruh. Menentukan tingkat kematangan markisa yang dilakukan oleh petani dan konsumen selama ini tidak efektif, yaitu dengan mengidentifikasi pada permukaan kulit buah. Menggunakan dengan cara manual tidak efisien karena akan memakan waktu yang tergolong cukup lama, selain itu manusia memiliki pandangan dan pendapat yang berbeda-beda yang akan menghasilkan hasil dari identifikasi menjadi berbagai macam. Identifikasi dengan cara tersebut memiliki kekurangan, maka dari itu dibutuhkan sebuah sistem yang mampu menentukan kematangan buah yang memiliki akurasi yang tinggi dan menghasilkan informasi yang valid. Metode algoritma k-means yang akan diimplementasikan ke dalam proses segmentasi buah markisa yaitu dengan memilah citra ke dalam suatu kelompok yang dinilai dari kemiripan atribut citra. Algoritma k-means akan memilah data yang mempunyai nilai, atribut, karakter serupa ke dalam satu grup. Data buah yang terkumpul sebanyak 8 buah markisa dan menghasilkan data citra sebanyak 48 citra buah markisa. Pengambilan gambar dari 6 sisi yaitu atas, bawah, kiri, kanan, depan dan belakang. Dari hasil klaster dengan metode algoritma k-means didapat hasil 4 buah markisa matang dan 4 buah markisa mentah.References
Suswati, Indrawati, A. dan Masitoh, B., Sosialisasi Dan Pelatihan Pembuatan Sirup Markisa Dan Masker Limbah Buah Markisa Pada Kelompok PKK Kelurahan Lau Cih Dan Sidomulyo Di Kota Medan, vol. 23, no. 4, 2017.
Aswar, A.B., Risal, A.A., Adiba, F. dan Nurjannah, Klasfikasi Tingkat Kematangan Buah Markisa Menggunakan Jaringan Syaraf Tiruan Berbasis Pengolahan Citra Digital, Journal of Embedde System Security and Intelligent System (JESSI), vol. 1, no. 2, 2020.
Setiawan, I., Dewanta, W., Nugroho, H.A. dan Supriyono, H., Pengolah Citra Dengan Metode Thresholding dengan Matlab R2014A, Jurnal Media Infotama, vol. 15, no. 2, 2019.
Seknum, A.Z., Kusuma, A., Sabrina, A., Putri, A.D.C., Raehan, M. dan Rosyani, P., Klasifikasi Tingkat Kematangan Buah Tomat dengan Variabsi Model Warna Menggunakan Support Vector Machine, Jurnal Ilmu Komputer dan Pendidikan, vol. 1, no. 2, 2023.
Ridlo, I.A., Panduan Pembuatan Flowchart, Fakultas Kesehatan Masyarakat, hal. 1–27, 2017.
Kusuma, I.W.A.W. dan Ellyana, R.L., Penerapan Citra Terkompresi Pada Segmentasi Citra Menggunakan Algoritme K-MEANS., Jurnal Terapan Teknologi Informasi, vol. 2, no. 1, hal. 65–74, 2018.
Anggarwati, D., Nurdiawan, O., Ali, I. dan Kurnia, D.., Penerapan Algoritma K-Means dalam Prediksi Penjualan Karoseri, Journal Data Science dan Informatika, vol. 1, no. 2, 2021.
Ariyanto, A., Data Mining Menggunakan Algortima K-Means untuk Klasifikasi Penyakit Infeksi Saliran Pernapasan Akut, Journal Sitem Informasi dan Teknikogi, vol. 4, no. 1, 2022.
Sriani, Triase dan Khairuna, Pendekomposisian Citra Digital Dengan Algoritma Dwt., Jurnal Ilmu Komputer Dan Informatika, vol. 1, 2018.
Utami, R.Z., Suksmadana, M.B. dan Kanata, B., Menentukan Luas Objek Citra Dengan Teknik Deteksi Tepi, vol. 2, no. 1, hal. 11–17, 2018.
Sinaga, A.S.R., Implementasi Teknik Threshoding Pada Segmentasi Citra Digital, Jurnal Manik Penusa, vol. 1, no. 2, 2017.
Febrianto, F.G., Implementasi Algoritme K-Means Sebagai Metode Segmentasi Citra Dalam Identifikasi Penyakit Daun Jeruk., 2018.
Sugiyono dan Dionta, emodelan Pengolahan Citra Klasifikasi Jenis Mangga Menggunakan Metode K-Nearest Neighbor, Journal Sains dan Teknologi Saintek, vol. 5, no. 1, 2023.
Hutagalung, S.N., Pembelajaran Fisika Dasar Dan Elektronika Dasar Menggunakan Aplikasi Matlab Metode Simulink, JournalofScienceandSocialResearch, vol. 1, no. 3, hal. 30–35, 2018.
Dalimunthe, A., Deteksi Kematangan Buah Manggis Berdasarkan Fitur Warna Cira Kulit Menggunakan Metode Tansformasi Ruang Warna HSV, 2021.
