Tugas Akhir Informatika

Sistem Deteksi Kualitas Semangka Berdasarkan Pendaran Warna Menggunakan Support Vector Machine (SVM)

---

sistem pendeteksian kualitas produk buah. Ciri-ciri yang lebih rinci dan kompleks dari suatu objek dapat dicari dengan bantuan
teknik pengolahan citra. Dalam penelitian ini 140 sample citra buah semangka masuk ke dalam proses bloking serta normalisasi
intensitas sebelum masuk ke sistem klasifikasi. Metode linier support vector machine (SVM) dipergunakan untuk mengklasifikasi
semangka dengan fitur berupa nilai statistic HSI citra. Metode tersebut sebelumnya telah baik dalam pengenalan kualitas kedelai.
Berbeda dengan hasil penelitian pada kedelai, hasil akurasi rata-rata sebesar 60% menunjukkan bahwa sebaran data
citra buah semangka begitu kompleks dan diperlukan metode yang lebih baik dalam menangani masalah ini. Kesamaan citra
semangka antar kelas menyebabkan sebaran data yang seharusnya untuk tiga kelas hanya terkumpul pada dua kelas. Diperlukan
penelitian khusus pada citra semangka untuk mendapatkan fitur yang lebih baik.
Kata kunci: SVM, Support Vector Machine, Pengolahan citra, Klasifikasi citra, Pengenalan pola, Normalisasi intensitas, Bloking,
Kualitas buah, Kesegaran buah, Semangka Abstract— Classification of fruit quality using image processing and detection is a new step in development of fruit product quality
inspection. Features that represent detail and complex information of an object can be extracted by image processing.
In this research, 140 samples of watermelon images are separated in blocks and its intensity is normalized before processed by
classification system. Support Vector Machine (SVM) is used as a method for classifying watermelon with statistic values as
features. The method was tested in classification of soybeans with good result.
Different from previous research with soybeans, accuracy obtained in this research is 60% in average. This result shows
that the distribution of data is overly complex to be classified by current method and a better method is required for this problem.
The similarity between samples from different classes makes the distribution of data fall into just two classes instead of three.
Specific study in watermelon image are required to get better features for classification.
Key words: SVM, Support Vector Machine, Image Processing, Image Classification, Image Recognition, Intensity Normalization,
Image Blocking, Quality Check, Fruit Freshness, Fruit Quality, Watermelon.

---

Ketersediaan

Tidak ada salinan data

Informasi Detail

Judul Seri

-

No. Panggil

808.025.Fad.s

Penerbit

Universitas Mataram : Fakultas Teknik Unram., 2016

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

808.025

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

Edisi 1 Jilid 1

Subjek

Sistem Deteksi Kualitas Semangka
SVM
Support Vector Machine
Image Processing
Image Classification

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Fadilah

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus login sebelum memberikan komentar