Peningkatan Citra Median Filter dan Metode K-Means untuk Mengindentifikasi Bawang Bombay Merah dan Putih
DOI:
https://doi.org/10.37985/jer.v5i4.1867Keywords:
Peningkatan Citra, K-Means, Identifikasi, Bawang Bombay Merah dan PutihAbstract
Latar Belakang penelitian ini dari sektor pertanian, khususnya hortikultura, Bawang bombay merupakan komoditas penting yang banyak dibutuhkan oleh industri pangan. Bawang bombay terdiri dari berbagai jenis, salah satunya adalah Bawang bombay merah dan putih, yang memiliki perbedaan karakteristik baik dari segi warna maupun komponen gizi. Identifikasi jenis Bawang bombay yang akurat sangat penting dalam rantai distribusi dan pengelolaan kualitas produk. Penelitian ini bertujuan untuk meningkatkan keakuratan identifikasi jenis Bawang bombay merah dan putih menggunakan kombinasi metode Median Filter dan K-Means Clustering. Proses identifikasi diawali dengan peningkatan citra menggunakan Median Filter untuk menghilangkan noise pada gambar, yang dilanjutkan dengan segmentasi warna menggunakan metode K-Means. Hasil penelitian menunjukkan bahwa kombinasi kedua metode ini mampu meningkatkan akurasi identifikasi bawang hingga 92%. Temuan ini menunjukkan bahwa metode yang digunakan berpotensi diaplikasikan dalam sistem otomatis untuk pengenalan jenis bawang di sektor pertanian.
Downloads
References
A. Zalvadila, “Klasifikasi Penyakit Tanaman Bawang Merah Menggunakan Metode SVM dan CNN,” J. Inform. J. Pengemb. IT, vol. 8, no. 3, pp. 255–260, 2023, doi: 10.30591/jpit.v8i3.5341.
A. F. A. Jihad, F. Zulfa, and M. Bahar, “Uji efektivitas ekstrak bawang bombai (Allium Cepa L. Var. Cepa) terhadap pertumbuhan jamur mallasezia furfur secara in vitro,” Semin. Nas. Ris. Kedokt., vol. 1, no. 1, pp. 295–303, 2020.
M. K. Khamdani, N. Hidayat, and R. K. Dewi, “Implementasi Metode K-Nearest Neighbor Untuk Mendiagnosis Penyakit Tanaman Bawang Merah,” vol. 5, no. 1, pp. 11–16, 2021.
Y. Reswan, R. Toyib, H. Witriyono, and A. Anggraini, “Klasifikasi Tingkat Kematangan Buah Nanas Berdasarkan Fitur Warna Menggunakan Metode K-Nearest Neighbor (KNN),” J. Media Infotama, vol. 20, no. 1, pp. 280–287, 2024.
A. J. T, D. Yanosma, and K. Anggriani, “Implementasi Metode K-Nearest Neighbor (Knn) Dan Simple Additive Weighting (Saw) Dalam Pengambilan Keputusan Seleksi Penerimaan Anggota Paskibraka,” Pseudocode, vol. 3, no. 2, pp. 98–112, 2017, doi: 10.33369/pseudocode.3.2.98-112.
M. S. SIMANJUNTAK, “Identifikasi Tanda Tangan menggunakan Metode Fitur Ekstrasi Biner dan K Nearest Neighbor,” CSRID (Computer Sci. Res. Its Dev. Journal), vol. 12, no. 3, p. 191, 2021, doi: 10.22303/csrid.12.3.2020.191-200.
M. Kurniawan, N. Saidatin, D. H. Nugroho, I. T. Adhi, and T. Surabaya, “Implementasi Shape Feature dan K-Nearest Neighbor untuk Klasifikasi Tanda Tangan,” Pros. Semin. Nas. Sains dan Teknol. Terap., vol. 1, no. 1, pp. 155–162, 2020, [Online]. Available: http://ejurnal.itats.ac.id/sntekpan/article/view/1230
A. D. W. Sumari, M. R. Syahbana, and M. Mentari, “Pengenalan Jenis Tanaman Mangga Berdasarkan Bentuk dan Tekstur Daun Menggunakan Kecerdasan Artifisial K-NearestNeighbor (KNN) dan Fusi Informasi,” J. Teknol. Inf. dan Ilmu Komput., vol. 8, no. 4, pp. 777–786, 2021, doi: 10.25126/jtiik.2021844392.
A. C. Vidyanti, I. Riati, and A. Ramadhanu, “Identification of Signature Authenticity Using Binary Extraction and K-nearest Neighbor Feature Methods,” J. Sisfokom (Sistem Inf. dan Komputer), vol. 13, no. 2, pp. 274–279, 2024, doi: 10.32736/sisfokom.v13i2.2063.
Y. A. Sari, R. K. Dewi, and C. Fatichah, “Seleksi Fitur Menggunakan Ekstraksi Fitur Bentuk, Warna, Dan Tekstur Dalam Sistem Temu Kembali Citra Daun,” JUTI J. Ilm. Teknol. Inf., vol. 12, no. 1, p. 1, 2014, doi: 10.12962/j24068535.v12i1.a39.
M. Arief, “Klasifikasi Kematangan Buah Jeruk Berdasarkan Fitur Warna Menggunakan Metode SVM,” J. Ilmu Komput. dan Desain Komun. Vis., vol. 4, no. 1, pp. 9–16, 2019.
Downloads
Published
Check index
How to Cite
Citation Check
License
Copyright (c) 2024 Syafril Syafril, Rahmad Rahmad, Agung Ramadhanu
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution-ShareAlike 4.0 International License that allows others to share the work with an acknowledgement of the works authorship and initial publication in this journal.Â
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journals published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).
