Identifikasi Jenis Biji Kedelai (Glycine Max L) Menggunakan Gray Level Coocurance Matrix (GLCM) dan K-Means Clustering
Kacang kedelai merupakan tanaman pangan yang dapat diolah dalam berbagai olahan, seperti tempe & tahu. Indonesia mempunyai banyak varietas kedelai, varietas lokal atau impor. Meningkatnya konsumsi kedelai tersebut sangat dipengaruhi oleh pemilihan varietas dari kedelai tersebut. Tetapi hanya beb...
Saved in:
| Main Author: | |
|---|---|
| Format: | Article |
| Language: | Indonesian |
| Published: |
University of Brawijaya
2020-02-01
|
| Series: | Jurnal Teknologi Informasi dan Ilmu Komputer |
| Subjects: | |
| Online Access: | https://jtiik.ub.ac.id/index.php/jtiik/article/view/1066 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1832086589662035968 |
|---|---|
| author | Rahmat Robi Waliyansyah |
| author_facet | Rahmat Robi Waliyansyah |
| author_sort | Rahmat Robi Waliyansyah |
| collection | DOAJ |
| description | Kacang kedelai merupakan tanaman pangan yang dapat diolah dalam berbagai olahan, seperti tempe & tahu. Indonesia mempunyai banyak varietas kedelai, varietas lokal atau impor. Meningkatnya konsumsi kedelai tersebut sangat dipengaruhi oleh pemilihan varietas dari kedelai tersebut. Tetapi hanya beberapa varietas saja yang dapat diolah dalam industri pengolahan kedelai, khususnya industri tahu & tempe. Untuk itu perlu adanya aplikasi identifikasi kedelai yang dapat membedakan varietas biji kedelai. Aplikasi untuk identifikasi jenis biji kedelai menggunakan pengolahan citra digital, dalam proses segmentasinya menggunakan Citra L*a*b dan K-Means Clustering. Ekstraksi ciri yang digunakan ada dua yaitu tekstur dan morfologi. Ekstraksi ciri tekstur menggunakan Metode Gray Level Coocurrence Matrix (GLCM) dengan jarak spasial 2 pixel. Parameter yang digunakan ada 4 yaitu energy, contrast, homogeneity & correlation.. Ekstraksi ciri morfologi menggunakan 2 parameter yaitu Metric dan Eccentricity. Ada pun varietas biji kedelai yang digunakan adalah : Anjasmoro, Burangrang, Dering-1, Dena-1, Demas-1 dan Grobogan untuk jenis varietas kedelai emas serta Detam-1, Detam-3, Detam-4 untuk jenis varietas kedelai hitam. Berdasarkan hasil pengujian, didapatkan tingkat akurasi sebesar 47% dari total 198 sampel citra uji biji kedelai dan 0% pada pengujian biji-bijian yang lain (kacang hijau) yang secara tekstur, bentuk dan warna mirip dengan kedelai (hitam). Hasil pengujian yang kurang baik ini disebabkan oleh belum maksimalnya data yang digunakan, karena sampel biji kedelai tidak selalu tersedia dan juga tiap jenis kedelai yang dipanen memiliki ukuran yang berbeda.
Abstract
Soybeans are food crops that can be processed in various preparations, such as tempeh & tofu. Indonesia has many varieties of soybeans, both local and imported varieties. Increased consumption of soybeans is strongly affected by the selection of varieties of soybeans. But only a few varieties that can be processed in soybean processing industry, in particular the tofu & tempe industry. Applications made using digital image processing, while the segmentation used is the Image L * a * b and K-Means Clustering. The feature extraction used is two, i.e. texture and morphology. The extraction of Texture feature was using the Gray Level Co-occurrence Matrix Method (GLCM) with a spatial distance of 2 pixels. The parameters used were 4, i.e. energy, contrast, homogeneity & correlation. Morphological feature extraction used 2 parameters, Metric and Eccentricity. There were also soybean seed varieties that were used: Anjasmoro, Burangrang, Dering-1, Dena-1, Demas-1 and Grobogan which are grouped into the types of golden soybean varieties, and Detam-1, Detam-3, Detam-4 for black soybean varieties. Based on the test results, an accuracy rate of 47% was obtained from a total of 198 samples of soybean seed test images. This unfavorable test result is caused by the lack of data used because soybean seed samples are not always available and also each type of soybean that grows has a different size.
|
| format | Article |
| id | doaj-art-a85ffb7bac764d25816c70df94b54b5c |
| institution | Kabale University |
| issn | 2355-7699 2528-6579 |
| language | Indonesian |
| publishDate | 2020-02-01 |
| publisher | University of Brawijaya |
| record_format | Article |
| series | Jurnal Teknologi Informasi dan Ilmu Komputer |
| spelling | doaj-art-a85ffb7bac764d25816c70df94b54b5c2025-02-06T10:42:10ZindUniversity of BrawijayaJurnal Teknologi Informasi dan Ilmu Komputer2355-76992528-65792020-02-0171483Identifikasi Jenis Biji Kedelai (Glycine Max L) Menggunakan Gray Level Coocurance Matrix (GLCM) dan K-Means ClusteringRahmat Robi Waliyansyah0Universitas PGRI SemarangKacang kedelai merupakan tanaman pangan yang dapat diolah dalam berbagai olahan, seperti tempe & tahu. Indonesia mempunyai banyak varietas kedelai, varietas lokal atau impor. Meningkatnya konsumsi kedelai tersebut sangat dipengaruhi oleh pemilihan varietas dari kedelai tersebut. Tetapi hanya beberapa varietas saja yang dapat diolah dalam industri pengolahan kedelai, khususnya industri tahu & tempe. Untuk itu perlu adanya aplikasi identifikasi kedelai yang dapat membedakan varietas biji kedelai. Aplikasi untuk identifikasi jenis biji kedelai menggunakan pengolahan citra digital, dalam proses segmentasinya menggunakan Citra L*a*b dan K-Means Clustering. Ekstraksi ciri yang digunakan ada dua yaitu tekstur dan morfologi. Ekstraksi ciri tekstur menggunakan Metode Gray Level Coocurrence Matrix (GLCM) dengan jarak spasial 2 pixel. Parameter yang digunakan ada 4 yaitu energy, contrast, homogeneity & correlation.. Ekstraksi ciri morfologi menggunakan 2 parameter yaitu Metric dan Eccentricity. Ada pun varietas biji kedelai yang digunakan adalah : Anjasmoro, Burangrang, Dering-1, Dena-1, Demas-1 dan Grobogan untuk jenis varietas kedelai emas serta Detam-1, Detam-3, Detam-4 untuk jenis varietas kedelai hitam. Berdasarkan hasil pengujian, didapatkan tingkat akurasi sebesar 47% dari total 198 sampel citra uji biji kedelai dan 0% pada pengujian biji-bijian yang lain (kacang hijau) yang secara tekstur, bentuk dan warna mirip dengan kedelai (hitam). Hasil pengujian yang kurang baik ini disebabkan oleh belum maksimalnya data yang digunakan, karena sampel biji kedelai tidak selalu tersedia dan juga tiap jenis kedelai yang dipanen memiliki ukuran yang berbeda. Abstract Soybeans are food crops that can be processed in various preparations, such as tempeh & tofu. Indonesia has many varieties of soybeans, both local and imported varieties. Increased consumption of soybeans is strongly affected by the selection of varieties of soybeans. But only a few varieties that can be processed in soybean processing industry, in particular the tofu & tempe industry. Applications made using digital image processing, while the segmentation used is the Image L * a * b and K-Means Clustering. The feature extraction used is two, i.e. texture and morphology. The extraction of Texture feature was using the Gray Level Co-occurrence Matrix Method (GLCM) with a spatial distance of 2 pixels. The parameters used were 4, i.e. energy, contrast, homogeneity & correlation. Morphological feature extraction used 2 parameters, Metric and Eccentricity. There were also soybean seed varieties that were used: Anjasmoro, Burangrang, Dering-1, Dena-1, Demas-1 and Grobogan which are grouped into the types of golden soybean varieties, and Detam-1, Detam-3, Detam-4 for black soybean varieties. Based on the test results, an accuracy rate of 47% was obtained from a total of 198 samples of soybean seed test images. This unfavorable test result is caused by the lack of data used because soybean seed samples are not always available and also each type of soybean that grows has a different size. https://jtiik.ub.ac.id/index.php/jtiik/article/view/1066KedelaiK-MeansGLCMIdentifikasi |
| spellingShingle | Rahmat Robi Waliyansyah Identifikasi Jenis Biji Kedelai (Glycine Max L) Menggunakan Gray Level Coocurance Matrix (GLCM) dan K-Means Clustering Jurnal Teknologi Informasi dan Ilmu Komputer Kedelai K-Means GLCM Identifikasi |
| title | Identifikasi Jenis Biji Kedelai (Glycine Max L) Menggunakan Gray Level Coocurance Matrix (GLCM) dan K-Means Clustering |
| title_full | Identifikasi Jenis Biji Kedelai (Glycine Max L) Menggunakan Gray Level Coocurance Matrix (GLCM) dan K-Means Clustering |
| title_fullStr | Identifikasi Jenis Biji Kedelai (Glycine Max L) Menggunakan Gray Level Coocurance Matrix (GLCM) dan K-Means Clustering |
| title_full_unstemmed | Identifikasi Jenis Biji Kedelai (Glycine Max L) Menggunakan Gray Level Coocurance Matrix (GLCM) dan K-Means Clustering |
| title_short | Identifikasi Jenis Biji Kedelai (Glycine Max L) Menggunakan Gray Level Coocurance Matrix (GLCM) dan K-Means Clustering |
| title_sort | identifikasi jenis biji kedelai glycine max l menggunakan gray level coocurance matrix glcm dan k means clustering |
| topic | Kedelai K-Means GLCM Identifikasi |
| url | https://jtiik.ub.ac.id/index.php/jtiik/article/view/1066 |
| work_keys_str_mv | AT rahmatrobiwaliyansyah identifikasijenisbijikedelaiglycinemaxlmenggunakangraylevelcoocurancematrixglcmdankmeansclustering |