KLASIFIKASI JENIS DAGING BERDASARKAN ANALISIS CITRA TEKSTUR GRAY LEVEL CO-OCCURRENCE MATRICES (GLCM) DAN WARNA

Neneng Neneng, Yusra Fernando

Abstract


Belakangan ini sering terjadi pemalsuan daging yang dilakukan oleh penjual daging kepada masyarakat sebagai konsumen. Hal ini terjadi karena ketidaktahuan konsumen tentang cara membedakan jenis-jenis daging yang dibeli. Tentu saja dampak dari pemalsuan daging ini dapat merugikan konsumen. Dewasa ini teknik pengolahan citra digital telah banyak digunakan untuk melakukan analisis dan klasifikasi citra pada produk makanan. Hal ini tentu saja dapat dimanfaatkan untuk melakukan klasifikasi citra daging berdasarkan tekstur dan warnanya. Pada penelitian ini, pengolahan citra digital digunakan untuk mengklasifikasi citra jenis daging berdasarkan analisis tekstur dan warna sebagai alternatif dalam mengidentifikasi jenis daging selain menggunakan cara visual. Ciri tekstur yang digunakan adalah Grey Level Co-occurence Matrix (GLCM) empat arah yakni 0o, 45o, 90o, dan 135o. Sedangkan kanal warna yang digunakan adalah Hue, Saturation, Value (HSV) dengan metode pelatihan dan pengujian data menggunakan Support vector machine (SVM). Data yang digunakan dalam penelitian ini adalah citra daging kambing, daging kerbau, dan daging kuda yang diambil dari jarak 20 cm. Hasil klasifikasi terbaik yang diperoleh adalah 75,6% berada pada arah GLCM 45o dengan jarak piksel tetangga d=3 dan arah GLCM 135 o dengan jarak piksel tetangga d=2. Nilai tersebut berada pada parameter sigma 2,1.

 

Kata kunci : Citra, GLCM, HSV, tekstur, SVM

Full Text:

PDF

References


Basset, O., Buquet, B., Abouelkaram, S., Delachartre, P., dan Culioli, J., 2000. Application of texture image analysis for the classification of bovine meat, Food Chemistry, 69, 437-445.

Hu, J., Li, D., Duan, Q., Han, Y., Chen G., dan Si, X., 2012. Fish species classification by color, texture and multi-class support vector machine using computer vision, Computers and Electronics in Agriculture, 88, 133–140.

Jahns, G., Nielsen, H. M., dan Paul, W., 2001. Measuring image analysis attributes and modelling fuzzy consumer aspects for tomato quality grading. Computers and Electronics in Agriculture, 31, 17–29.

Kadir, A., dan Susanto, A., 2012. Teori dan aplikasi pengolahan citra, Andi: Yogyakarta.

Neneng, 2016. Support vector machine untuk klasifikasi citra jenis daging berdasarkan tekstur menggunakan ekstraksi ciri gray level co-ocuurence matrices (GLCM), Jurnal Sistem Informasi Bisnis, Vol. 6 No. 1.

Ogunlana, S.O., Olabode, O., Oluwadare, S.A. A., dan Iwasokun, G. B., Fish Classification Using Support Vector Machine, African Journal of Computing & ICT, Vol. 8 No. 2.

Prasetyo, E., 2012. Data mining konsep dan aplikasi menggunkan matlab, Andi: Yogyakarta.

Prasetyo, E., 2014. Data mining mengolah data menjadi informasi menggunakan matlab, Andi Publisher: Yogyakarta.

Salat, R., dan Osowski, S., 2004. Accurate fault location in the power transmission line using support vector machine approach, IEEE Trans. Power Syst., 19, 879–886.

Seetha, M., Muralikrishna, I.V., Deekshatulu, B.L., Malleswari, B.L., Nagaratna, Hedge, P., 2008. Artificial neural network and other methods of image classification, Journal of Theoretical and Applied Information Technology. 1039–1053.

Siqueira, F.R.D., Schwartz, W.R., Pedrini, H., 2013. Multi-scale gray level co-occurrence matrices for texture description, Neurocomputing, 120, 336–345.

Sun, D-W., 2000. Inspecting pizza topping percentage and distribution by a computer vision method. Journal of Food Engineering, 44, 245–249.

Xian, G-M., 2010. An identification method of malignant and benign liver tumors from ultrasonography based on GLCM texture features and fuzzy SVM, Expert Systems with Applications, 37, 6737–6741.

Zheng, C., Sun, D-W., dan Zheng, L., 2007. A new region-primitive method for classification of colour meat image texture based on size, orientation, and contrast, Meat Science, 76, 620–627.

Zheng, C., Sun, D-W., dan Zheng, L., 2006. Recent applications of image texture for evaluation of food qualities—a review, Trends in Food Science & Technology, 17, 113–128.


Refbacks

  • There are currently no refbacks.


==============================================================================================================

Prosiding SEMNASTEK Fakultas Teknik
Universitas Muhammadiyah Jakarta
Jl. Cempaka Putih Tengah 27
Jakarta Pusat 10510
T. 021.4256024, 4244016 / F. 021.4256023

ISSN : 2407 – 1846
e-ISSN : 2460 – 8416

==============================================================================================================

Powered by Puskom-UMJ