DETEKSI KUALITAS TERASI SIDOARJO MELALUI PENGOLAHAN CITRA DIGITAL DENGAN EKSTRAKSI CIRI LBP DAN METODE KLASIFIKASI SVM

SHAFY IZZAH HAMMAMY

Informasi Umum

Kode

20.04.4004

Klasifikasi

006.42 - Computer science-Image processing

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Image Processing - Computer Vision

Dilihat

54 kali

Informasi Lainnya

Abstraksi

Terasi merupakan bahan dasar makanan khas Indonesia yang banyak diminati masyarakat di Indonesia. Produk terasi di setiap daerah memiliki karakteristik yang berbeda-beda. Pemilihan bahan baku terasi sangat berpengaruh pada hasil produksi. Dan untuk tetap menjaga kepercayaan konsumen, maka diperlukan suatu sistem berbasis pengolahan citra digital yang dapat mengklasifikasikan terasi sebagai bahan baku terasi berdasarkan kualitas. Terasi Sidoarjo dapat digolongkan menjadi 3 jenis kelompok terasi yaitu: terasi kualitas baik, kualitas sedang, dan kualitas tidak baik.
Dalam Tugas Akhir ini menggunakan ekstraksi ciri LBP (Local Binary Pattern) dan menggunakan metode SVM (Support Vector Machine) untuk pengklasifikasiannya untuk memperoleh informasi pada setiap citra input. Pada Tugas Akhir ini dilakukan proses pre-processing yang terdiri dari operasi resizing dan grayscale. Fitur statistik yang digunakan adalah mean, variance, kurtosis, dan entropy. Untuk varian parameter kernel SVM menggunakan RBF, linear dan Polynomial serta penentuan multiclass SVM (One Against One dan One Against All) berpengaruh pada hasil akurasi dan waktu komputasi.
Hasil yang diperoleh pada Tugas Akhir ini adalah sebuah sistem yang dapat melakukan klasifikasi terhadap jenis kualitas terasi, mulai dari kualitas baik, kualitas sedang, dan kualitas tidak baik. Dengan jumlah data latih sebanyak 60 citra dan data uji sebanyak 30 citra sistem mampu menghasilkan akurasi data uji sebesar 100% untuk 3 kelas menggunakan transformasi LBP (Local Binary Pattern) untuk ekstraksi ciri dengan pola ketetanggan 4,1, koefisien median filter 7 × 7 dan 9 × 9, dan fitur statistik mean, entropy, variance, dan kurtosis serta menggunakan metode SVM (Support Vector Machine) untuk klasifikasi.