Jurnal Teknologi Informasi dan Ilmu Komputer (Jul 2024)

Klasifikasi Kandungan Nutrisi Buah Pisang Berdasarkan Fitur Tekstur dan Warna LAB menggunakan Jaringan Syaraf Tiruan Berbasis Pengloahan Citra Digital

  • Wulandari,
  • Sasmita,
  • Musda Rida Mulia,
  • Andi Baso Kaswar,
  • Dyah Darma Andayani,
  • Andi Sadri Agung

DOI
https://doi.org/10.25126/jtiik.938332
Journal volume & issue
Vol. 11, no. 3

Abstract

Read online

Pisang (musa spp.) merupakan salah satu jenis buah yang tingkat produksinya selalu meningkat di setiap tahunnya, terutama di Indonesia. Hal ini dikarenakan pisang memiliki kandungan nutrisi yang berbeda di setiap kematangannya, sehingga aman dikonsumsi oleh semua tingkatan usia sesuai kebutuhan nutrisinya. Namun, sebagian besar orang kesulitan menentukan kematangan pisang yang sesuai dengan kebutuhan nutrisi mereka dikarenakan perlu melakukan uji laboratorium yang memakan waktu dan peralatan canggih. Sehingga pemanfaatan teknologi menggunakan citra digital dirasa sangat perlu digunakan untuk menilai kandungan nutrisinya. Sebelumnya, terdapat penelitian yang telah melakukan klasifikasi kematangan buah pisang. Namun, belum ada yang berfokus pada klasifikasi kandungan nutrisinya, serta perlu adanya penambahan parameter pengukuran lainnya untuk bisa mendapatkan hasil klasifikasi yang lebih akurat. Oleh karena itu, pada penelitian ini diusulkan sistem klasifikasi kandungan nutrisi buah pisang berdasarkan fitur tekstur dan warna LAB dengan menggunakan jaringan syaraf tiruan berbasis pengolahan citra digital. Metode yang diusulkan tersebut terdiri atas enam tahap, diantaranya yaitu tahap akuisisi citra, preprocessing, segmentasi, morfologi, ekstraksi fitur, dan klasifikasi berdasarkan model yang telah dilatih. Pada penelitian ini juga, dilakukan beberapa skenario pelatihan dan pengujian untuk menentukan kombinasi fitur yang memiliki tingkat akurasi terbaik. Sehingga didapatkan dua kombinasi fitur terbaik yaitu fitur warna LAB dan fitur tekstur dimana yang diambil adalah nilai contrast dan energy. Berdasarkan hasil pengujian terhadap 100 citra uji, diperoleh rata-rata precision 98,18%, recall 98%, F1-Score 98,09% dan akurasi keseluruhan mencapai 98%. Berdasarkan hasil tersebut maka dapat disimpulkan bahwa metode yang diusulkan dapat mengklasifikasikan kandungan nutrisi buah pisang dengan akurasi yang tinggi.

Keywords