Klasifikasi Kualitas Kematangan Wortel Menggunakan Metode GLCM (Gray Level Co-Occurrence Matrix) Dan Neural Network

M Rinandar Tasya (Universitas Amikom)
Bambang Soedijono W A (Universitas Amikom)

Jurnal FATEKSA : Jurnal Teknologi dan Rekayasa
Vol 5 No 2 (2020): Jurnal FATEKSA, Jurnal Teknologi dan Rekayasa

Tekstur kulit pada wortel yang matang dan busuk umumnya berbeda sehingga dapat diklasifikasi menggunakan pengolahan citra. Dalam penelitian ini penulis mengangkat topik tentang klasifikasi kualitas kematangan wortel menggunakan algoritma GLCM (Gray Level Co-Occurrence Matrix) untuk mengkonversi data citra sehingga menghasilkan data numerik, proses ini dilakukan menggunakan software Matlab. Lalu dilanjutkan dengan mencari perhitungan akurasi menggunakan algoritma Neural Network yang dilakukan pada aplikasi RamidMiner. Klasifikasi wortel nantinya akan membantu dalam mendeteksi kualitas wortel berdasarkan 2 kelas, yaitu wortel dengan kualitas “Matang” dan wortel dengan kualitas ”Busuk”. Dalam penelitian ini, data yang digunakan terdiri dari 10 data latih dan 40 data uji. Hasil penelitian ini menunjukkan bahwa tingkat klasifikasi pada wortel mendapatkan nilai akurasi sebesar 72.50%. Dengan hasil tersebut maka analisis wortel berdasarkan tekstur kulit pada wortel layak untuk diteliti.