SISTEM PREDIKSI KUALITAS IKAN SENANGIN BERDASARKAN WARNA DAN TEKSTUR

Abdullah Abdullah, Bayu Rianto, Siti Aina

Abstract


Salah satu makanan laut yang penting adalah ikan. Meskipun ikan mengandung protein yang dibutuhkan oleh tubuh, terkadang ikan mengandung racun. Ini karena adanya pemambahan zat pengawet seperti formalin. Karena itu, masyarakat harus berhati-hati mengonsumsi ikan. Ikan senangin (Eleutheronema  tetradactylum) adalah salah satu jenis ikan yang disukai karena rasanya yang lezat. Tujuan dari penelitian ini adalah untuk mengembangkan sistem komputerisasi untuk prediksi kualitas ikan. Kategori ikan terdiri dari tiga jenis, yaitu ikan senangin segar (A), ikan senangin diawetkan dengan es (B) dan ikan senangin yang diawetkan dengan formalin (C). Fitur yang digunakan adalah warna RGB (merah, hijau, biru) dan tekstur (energi, kontras, korelasi, homogenitas). Klasifikasi dilakukan berdasarkan kemiripan yaitu menggunakan nearest mean classifier (NMC). Metode 10 fold cross validation digunakan untuk mengevaluasi sistem. Berdasarkan hasil evaluasi sistem dapat disimpulkan bahwa rata-rata prediksi adalah 91,20%. Sistem yang dikembangkan diharapkan bermanfaat membantu masyarakat dalam memilih ikan senangin yang aman dan sehat.

Keywords


Klasifikasi; ikan senangin; nearest mean classifier; warna RGB; tekstur

Full Text:

PDF

References


Abdullah, Usman, & Efendi, M. (2017). Sistem Klasifikasi Kualitas Kopra berdasarkan Warna dan tekstur Menggunakan Metode Nearest Classifier (NMC). Jurnal Teknologi Informasi Dan Ilmu Komputer (JTIIK), 4(4), 297–303.

Ali, Z., Shahzad, S. K., & Shahzad, W. (2017). Performance Analysis of Statistical Pattern Recognition Methods in KEEL. Procedia Computer Science, 112, 2022–2030. https://doi.org/10.1016/j.procs.2017.08.144

Angkoso, C. V., Informatika, J. T., Teknik, F., Trunojoyo, U., Fitur, E., & Tekstur, A. (2011). Pengenalan Jender Berbasis Tekstur Pada Citra Wajah Foto Digital. Konferensi Nasional “Inovasi Dalam Desain Dan Teknologi, 119–125.

Bhat, M. (2014). Digital Image Processing. International Journal of Scientific & Technology Research, 3(1), 272–276. Retrieved from www.ijstr.org

Halim, A., & Informatika, J. T. (2015). Aplikasi Image Retrieval dengan Histogram Warna dan Multi- scale GLCM, 16(1), 41–50.

Husin, A., Mahmod, O., & Afrinanda, L. (2018). Poisonous Shrimp Detection System for Litopenaeus Vannamei using k-Nearest Neighbor Method. Lontar Komputer, 9(1), 20–27.

Kamate, S., & Yilmazer, N. (2015). Application of Object Detection and Tracking Techniques for Unmanned Aerial Vehicles. Procedia Computer Science, 61, 436–441. https://doi.org/10.1016/j.procs.2015.09.183

Kumar, S., & Yadav, J. S. (2017). Advances in Intelligent Systems and Computing. In R. Singh & Choudhury (Eds.), Proceeding of International Conference on Intelligent Communication, Control and Devices.

Santucci, E. (2017). Quantum Minimum Distance Classifier. Entropy, 19(659), 1–14. https://doi.org/10.3390/e19120659

Sugiartha, I. R. G. A., Sudarma, M., & Widyantara, I. M. O. (2017). Ekstraksi Fitur Warna , Tekstur dan Bentuk untuk Clustered-Based Retrieval of Images ( CLUE ). Teknologi Elektro, 16(1), 85–90.




DOI: http://dx.doi.org/10.26798/jiko.v4i1.176

Article Metrics

Abstract view : 1882 times
PDF - 1808 times

Refbacks

  • There are currently no refbacks.




Copyright (c) 2019 Abdullah Abdullah, Bayu Rianto, Siti Aina


JIKO (Jurnal Informatika dan Komputer)

Published by
Lembaga Penelitian dan Pengabdian Masyarakat
Universitas Teknologi Digital Indonesia (d.h STMIK AKAKOM)

Jl. Raya Janti (Majapahit) No. 143 Yogyakarta, 55198
Telp. (0274)486664

Website : https://www.utdi.ac.id/

e-ISSN : 2477-3964 
p-ISSN : 2477-4413