Aplikasi Citra Digital untuk Klasifikasi Kematangan Buah Pepaya

Authors

  • Ulfa Laela R Univeristas Handayani Makassar
  • Asriayani Ismail Univeristas Handayani Makassar
  • Raden Wirawan Institut Teknologi dan Bisnis Nobel Indonesia
  • Najirah Umar Universitas Handayani Makassar
  • Rahmat Hidayat Universitas Handayani Makassar

Keywords:

image, GLCM, HSV, K-NN, papaya

Abstract

There are still many people who use the manual system by looking directly at or guessing the maturity level of papaya fruits, with classification results that are less than optimal. The purpose of this study is to design a digital image application that can be useful in distinguishing the ripeness of naturally ripe papaya fruits and carbites. This application uses 2 extraction features, namely texture and colour, for texture uses Grey Level Cooccurence Matrks (GLCM), while colour uses Hue, Saturation, Value (HSV) and K-Nearest Neighbour (K-NN) algorithm to classify. The result of this study is the creation of a digital image application, which can help distinguish the ripeness of papaya fruit from the results of the classification of natural ripe and ripe carbine. Based on the test results, 60 training data and 15 testing data were used. By producing an accuracy value of 80% on each testing data that has been carried out.

References

Al Rivan, M. E., & Suherman, J. (2020). Penentuan Mutu Buah Pepaya California (Carica Papaya L.) Menggunakan Fuzzy Mamdani. Elkha, 12(2), 76. https://doi.org/10.26418/elkha.v12i2.41164

Wardani, L. A. (2020). KLASIFIKASI JENIS DAN TINGKAT KEMATANGAN BUAH PEPAYA BERDASARKAN FITUR WARNA, TEKSTUR DAN BENTUK MENGGUNAKAN SUPPORT VECTOR MACHINE. Publikasi Tugas Akhir S-1 PSTI FT-UNRAM. https://begawe.unram.ac.id/index.php/ta/article/view/227

Ripeness, P., Papaya, C., & Carica, F. (2015). Kriteria Kemasakan Buah Pepaya ( Carica papaya L .) IPB Callina dari Beberapa Umur Panen. 6(3), 172–176

Dwi Nur Aini, D. (2019). PERBEDAAN KANDUNGAN VITAMIN C SELAI CEMPEDAK PADA PEMERAMAN TRADISIONAL DENGAN PEMERAMAN KARBID. Angewandte Chemie International Edition, 6(11), 951–952., 3(1), 5–24.

Usmayani, S. N., Basuki, E., & Yasa, I. W. S. (2015). PENGGUNAAN KALIUM PERMANGANAT (KMnO 4 ) PADA PENYIMPANAN BUAH PEPAYA CALIFORNIA (Carica papaya L.) [The Use of Potassium Permanganate (KMnO 4 ) On Shelf Life of California’s Papaya (Carica papaya L.)]. Jurnal Ilmu Dan Teknologi Pangan), 1(2), 48–55.

Wahyu Puspitaningrum, S. (2018). Identifikasi Mangga Harum Manis Karbitan dan Tidak Karbitan Dengan Learning Vector Quantization Identification Carbide and Non Carbide Harum Manis Mango Using Learning Vector Quantization. 29–36.

RD. Kusumanto, A. N. T. (2011). PENGOLAHAN CITRA DIGITAL UNTUK MENDETEKSI OBYEK MENGGUNAKAN PENGOLAHAN WARNA MODEL NORMALISASI RGB RD. Studies in Environmental Science, 17(C), 329–332. https://doi.org/10.1016/S0166-1116(08)71924-1

Elektronika, J., Informasi, T., Khotimah, H., & Nafi, N. (2019). Klasifikasi Kematangan Buah Mangga Berdasarkan Citra HSV dengan KNN. 1(2), 4–7.

Al Rivan, M. E., Arman, M., & Kennedy, W. (2021). Penentuan Kualitas Buah Pepaya California Menggunakan Metode K-Nn. Jusikom?: Jurnal Sistem Komputer Musirawas, 6(1), 1–8. https://doi.org/10.32767/jusikom.v6i1.1175

Wibowo, F., Hakim, D. K., & Sugiyanto, S. (2018). Pendugaan Kelas Mutu Buah Pepaya Berdasarkan Ciri Tekstur Glcm Menggunakan Algoritma K-Nearest Neighbors. Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI), 7(1), 100. https://doi.org/10.23887/janapati.v7i1.12991

Khotimah, H., & Nafi’iyah, N. (2019). Klasifikasi Kematangan Buah Mangga Berdasarkan Citra HSV dengan KNN. Jurnal Elektronika Listrik dan Teknologi Informasi Terapan, 1(2), 1-4.

J umarlis, M. (2022). Detecting Diseases on Clove Leaves Using GLCM and Clustering K-Means. Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), 6(4), 624-631.

Fauzi, J. F., Tolle, H., & Dewi, R. K. (2018). Implementasi Metode RGB To HSV pada Aplikasi Pengenalan Mata Uang Kertas Berbasis Android untuk Tuna Netra. 2(6), 2319–2325.

Aminudin, A. (2017). Klasifikasi Tingkat Kematangan Buah Pepaya Menggunakan Metode K-Nearest Neighbor Berdasarkan Warna Kulit Buah.

Himmah, E. F., Widyaningsih, M., & Maysaroh, M. (2020). Identifikasi Kematangan Buah Kelapa Sawit Berdasarkan Warna RGB Dan HSV Menggunakan Metode K-Means Clustering. Jurnal Sains Dan Informatika, 6(2), 193–202. https://doi.org/10.34128/jsi.v6i2.242

Indrayani, L., & Wirawan, R. (2020). Implementation of Gray Level Coocurence Matrix on the Leaves of Rice Crops. Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI), 6(1), 1-10.

Elektronika, J., Informasi, T., Khotimah, H., & Nafi, N. (2019). Klasifikasi Kematangan Buah Mangga Berdasarkan Citra HSV dengan KNN. 1(2), 4–7.

Downloads

Published

2024-10-27

How to Cite

Ulfa Laela R, Asriayani Ismail, Raden Wirawan, Najirah Umar, & Rahmat Hidayat. (2024). Aplikasi Citra Digital untuk Klasifikasi Kematangan Buah Pepaya. Prosiding SISFOTEK, 8(1), 427 - 432. Retrieved from https://seminar.iaii.or.id/index.php/SISFOTEK/article/view/526

Issue

Section

Sistem Informasi dan Teknologi

Similar Articles

You may also start an advanced similarity search for this article.

bk8