Deteksi Tingkat Kematangan Buah Pinang Menggunakan Metode Support Vector Machine Berdasarkan Warna Dan Tekstur

IF 2.4 Q3 COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS

International Journal of Information and Learning Technology Pub Date : 2023-09-30 DOI:10.32938/jitu.v3i2.5323

Regolinda Maneno, Budiman Baso, Patricia G. Manek, Kristoforus Fallo

{"title":"Deteksi Tingkat Kematangan Buah Pinang Menggunakan Metode Support Vector Machine Berdasarkan Warna Dan Tekstur","authors":"Regolinda Maneno, Budiman Baso, Patricia G. Manek, Kristoforus Fallo","doi":"10.32938/jitu.v3i2.5323","DOIUrl":null,"url":null,"abstract":"Penelitian ini bertujuan untuk membangun sistem deteksi tingkat kematangan buah pinang dengan memanfaatkan pengolahan citra digital yang melibatkan fitur-fitur tekstur dan warna. Tahapan awal dalam penelitian adalah melakukan Pre-processing data citra agar dapat disiapkan untuk proses selanjutnya, yaitu ekstraksi fitur. Proses ekstraksi fitur tekstur dilakukan dengan menggunakan Gray Level Co-Occurrence Matrix (GLCM) untuk mengambil nilai Correlation, sementara ekstraksi fitur warna dilakukan dengan metode Color Moments dengan fokus pada nilai Mean. Klasifikasi dengan Support Vector Machine (SVM) dilakukan berdasarkan fitur yang telah diekstraksi sebelumnya, adapun parameter yang diujicobakan adalah jenis kernel yaitu Linear, Gaussian, Polynomial pada algoritma SVM. Dari hasil yang diperoleh menunjukan semua matrik performa dari kernel Polynomial mengungguli kernel yang lain dengan hasil Accuracy yang diperoleh sebesar 90,90%, Precision 90,90%, Recall 92,30% dan F1-Score mecapai 91,60% pada proses deteksi tingkat kematangan buah pinang.","PeriodicalId":51872,"journal":{"name":"International Journal of Information and Learning Technology","volume":null,"pages":null},"PeriodicalIF":2.4000,"publicationDate":"2023-09-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"International Journal of Information and Learning Technology","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.32938/jitu.v3i2.5323","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q3","JCRName":"COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS","Score":null,"Total":0}

引用次数: 0

Abstract

Penelitian ini bertujuan untuk membangun sistem deteksi tingkat kematangan buah pinang dengan memanfaatkan pengolahan citra digital yang melibatkan fitur-fitur tekstur dan warna. Tahapan awal dalam penelitian adalah melakukan Pre-processing data citra agar dapat disiapkan untuk proses selanjutnya, yaitu ekstraksi fitur. Proses ekstraksi fitur tekstur dilakukan dengan menggunakan Gray Level Co-Occurrence Matrix (GLCM) untuk mengambil nilai Correlation, sementara ekstraksi fitur warna dilakukan dengan metode Color Moments dengan fokus pada nilai Mean. Klasifikasi dengan Support Vector Machine (SVM) dilakukan berdasarkan fitur yang telah diekstraksi sebelumnya, adapun parameter yang diujicobakan adalah jenis kernel yaitu Linear, Gaussian, Polynomial pada algoritma SVM. Dari hasil yang diperoleh menunjukan semua matrik performa dari kernel Polynomial mengungguli kernel yang lain dengan hasil Accuracy yang diperoleh sebesar 90,90%, Precision 90,90%, Recall 92,30% dan F1-Score mecapai 91,60% pada proses deteksi tingkat kematangan buah pinang.

查看原文本刊更多论文

利用基于颜色和纹理的支持向量机方法检测阿雷卡坚果的成熟度

本研究旨在通过使用涉及纹理和颜色特征的数字图像处理来构建槟榔的成熟度检测系统。研究的第一个阶段是对图像数据进行预处理，为提取功能进行准备。纹理提取过程是使用灰色水平的联合矩阵(GLCM)来提取Correlation值，而颜色提取是通过着色方法进行的，重点是值。支持机(SVM)的分类是根据提取的特性进行的，而测试参数是SVM算法上的线性、Gaussian、Polynomial算法的内核类型。结果显示，聚nomial内核的所有性能都超过了其他内核，评测结果为90.90%，准确程度为90.90%，记忆率为92.30%，F1-Score为检测槟榔果的成熟度达到91.60%。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

求助全文

约1分钟内获得全文求助全文

来源期刊

International Journal of Information and Learning Technology COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS-

CiteScore

6.10

自引率

3.30%

发文量

期刊介绍： International Journal of Information and Learning Technology (IJILT) provides a forum for the sharing of the latest theories, applications, and services related to planning, developing, managing, using, and evaluating information technologies in administrative, academic, and library computing, as well as other educational technologies. Submissions can include research: -Illustrating and critiquing educational technologies -New uses of technology in education -Issue-or results-focused case studies detailing examples of technology applications in higher education -In-depth analyses of the latest theories, applications and services in the field The journal provides wide-ranging and independent coverage of the management, use and integration of information resources and learning technologies.