Jessica Crisfin Lapendy
Unknown Affiliation

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Journal of Deep Learning, Computer Vision and Digital Image Processing

KLASIFIKASI KUALITAS BUAH MANGGIS BERDASARKAN TEKSTUR DAN FITUR WARNA MENGGUNAKAN JARINGAN SYARAF TIRUAN BERBASIS PENGOLAHAN CITRA DIGITAL Muh Raenaldy; Faldi Firmansyah; Muh Yasin Kadir; Jessica Crisfin Lapendy; Muh. Akbar
Journal of Deep Learning, Computer Vision, and Digital Image Processing Volume 2 Issue 2 September 2024
Publisher : CV. Sakura Digital Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61255/decoding.v2i2.546

Abstract

Masalah dalam proses penyortiran buah manggis di Indonesia adalah masih dilakukan secara manual, mengakibatkan ketidakkonsistenan dan rendahnya akurasi dalam klasifikasi kualitas buah. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi kematangan buah manggis secara otomatis menggunakan metode Jaringan Syaraf Tiruan (JST) berbasis pengolahan citra digital. Metode yang digunakan mencakup enam tahapan: akuisisi citra, preprocessing, segmentasi, operasi morfologi, ekstraksi fitur, dan klasifikasi. Hasil penelitian menunjukkan bahwa metode JST dapat mengklasifikasikan buah manggis dalam tiga kelas tingkat kematangan (belum matang, setengah matang, dan matang) dengan akurasi 100% baik pada data latih maupun data uji. Fitur terbaik diperoleh dari kombinasi RGB + tekstur (contrast + homogeneity) dengan waktu komputasi paling efisien (136,61 detik untuk data latih dan 28,13 detik untuk data uji). Metode JST terbukti lebih efektif dibandingkan metode klasifikasi lainnya seperti Naive Bayes dan KNN, khususnya dalam menghadapi data berdimensi tinggi. Penelitian ini menyimpulkan bahwa sistem klasifikasi berbasis JST dapat diimplementasikan untuk meningkatkan efisiensi dan akurasi penyortiran buah manggis secara industri.
Klasifikasi Tingkat Kesegaran Sayur Bayam Berdasarkan Tekstur Daunnya Berbasis Citra Digital Khaidir; Reyna Buryani Al’Safinat; A. Muhammad Fuad Fadhlurrahman; By Tri Agung Nusantara Kr. J. Tompong; Jessica Crisfin Lapendy
Journal of Deep Learning, Computer Vision, and Digital Image Processing Volume 2 Issue 2 September 2024
Publisher : CV. Sakura Digital Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61255/decoding.v2i2.549

Abstract

Penelitian ini bertujuan untuk mengklasifikasikan tingkat kesegaran sayur bayam berdasarkan tekstur daunnya menggunakan citra digital. Metode yang diusulkan terdiri dari 6 tahap, yaitu akuisisi citra, preprocessing, segmentasi, operasi morfologi, ekstraksi fitur, dan klasifikasi. Penelitian ini menggunakan metode klasifikasi untuk menentukan kualitas bayam menggunakan algoritma K-Means dengan fitur RGB + LAB + TEKSTUR. Hasil menunjukkan akurasi tertinggi sebesar 92,91% untuk data latih dan 88,33% untuk data uji. Proses morfologi dalam penelitian dimulai dengan operasi opening pada gambar segmentasi menggunakan elemen struktural berbentuk disk berukuran 3 piksel, dilanjutkan dengan hole filling untuk mengisi lubang kecil di dalam objek, dan bwareaopen untuk menghilangkan noise atau objek kecil yang tidak penting. Tahap ekstraksi fitur mencakup fitur warna dan tekstur, dengan menggunakan GLCM untuk menghitung nilai homogeneity, contrast, correlation, dan energy. Tahap klasifikasi dilakukan dengan algoritma clustering K-Means untuk membedakan kelas gambar daun bayam berdasarkan kualitasnya. Saran untuk penelitian selanjutnya adalah memperbaiki proses pengambilan gambar dan mencoba metode klasifikasi dan fitur lainnya.