Identifikasi Kematangan Buah Kelapa Sawit Berdasarkan Warna RGB Dan HSV Menggunakan Metode K-Means Clustering

Main Article Content

Elok Faiqotul Himmah
Maura Widyaningsih
Maysaroh Maysaroh

Abstract

Kelapa sawit merupakan salah satu tumbuhan tropis penghasil minyak nabati yang banyak dibudidayakan. Ketepatan dalam menentukan tingkat kematangan buah kelapa sawit menentukan kualitas hasil panen tumbuhan ini. Penelitian ini memanfaatkan pengolahan citra digital untuk mengidentifikasi kematangan buah kelapa sawit berdasarkan warna RGB (Red, Green, Blue) dan HSV (Hue, Saturation, Value). Citra berupa foto buah kelapa sawit yang diambil dengan kamera digital diolah dengan perangkat lunak MATLAB kemudian dianalisis menggunakan metode klasifikasi K-Means Clustering untuk mendapatkan perbandingan hasil ekstraksi ciri RGB dan HSV. Hasil penelitian mampu membedakan tingkat kematangan buah kelapa sawit yaitu mentah, cukup matang, dan matang dengan tingkat keakuratan total pada data uji dan data latih sebesar 64.58%.

Article Details

Section
Articles
Author Biographies

Elok Faiqotul Himmah, STMIK Palangkaraya

Prodi Teknik Informatika

STMIK Palngkaraya

Maura Widyaningsih, STMIK Palangkaraya

Prodi Teknik Informatika

STMIK Palangkaraya

References

[1] F. Dianto, D. Efendi, and A. Wachjar, “Pengelolaan Panen Kelapa Sawit (Elaeis guineensis Jacq.) Pelantaran Agro Estate, Kota Waringin Timur, Kalimantan Tengah,” Bul. Agrohorti, vol. 5, no. 3, pp. 410–417, 2017, doi: 10.29244/agrob.v5i3.19574.
[2] B. Derriansyah, “Indonesia Negara Penghasil Minyak Sawit Terbesar Dunia, 43 Juta MT Per Tahun,” 2018. https://metropekanbaru.com/indonesia-negara-penghasil-minyak-sawit-terbesar-dunia-43-juta-mt-per-tahun (accessed May 03, 2019).
[3] H. A. Priyambodo and S. Sastrowiratno, “Manajemen Panen Kelapa Sawit (Elais guineensis Jacq.) di Kebun Sei Galuh PT. Perkebunan Nusantara V Kec.Tapung, Kab. Kampar, Provinsi Riau,” J. Agromast, vol. 2, 2017.
[4] Z. May and M. H. Amaran, “Automated ripeness assessment of oil palm fruit using RGB and fuzzy logic technique,” in Proceedings of the 13th WSEAS international conference on Mathematical and computational methods in science and engineering, 2011, pp. 52–59.
[5] A. Mishra, P. Asthana, and P. Khanna, “the Quality Identification of Fruits in Image Processing Using Matlab,” Int. J. Res. Eng. Technol., vol. 03, no. 22, pp. 92–95, 2014, doi: 10.15623/ijret.2014.0322019.
[6] Masykur, “Pengembangan Industri Kelapa Sawit Sebagai Penghasil Energi Bahan Alternatif dan Mengurangi Pemanasan Global,” J. Reformasi, vol. 3, pp. 96–107, 2013.
[7] M. Widyaningsih, “Identifikasi Kematangan Buah Apel Dengan Gray Level Co-Occurrence Matrix (GLCM),” J. SAINTEKOM, vol. 6, no. 1, p. 71, 2017, doi: 10.33020/saintekom.v6i1.7.
[8] R. Ravikumar and Dr.V.Arulmozhi, “Digital Image Processing- A Quick Review,” Int. J. Intell. Comput. Technol., vol. 2, no. 2, pp. 16–24, 2019.
[9] M. Yogi, I. Pendahuluan, and A. P. Aplikasi, “Aplikasi Deteksi Kematangan Buah Semangka Berbasis,” vol. 3, no. 6, 2016.
[10] A. Fauzan, “Ruang Warna Hue Saturation Value (HSV) serta Proses Konversinya,” 2015. https://www.kitainformatika.com/2015/01/ruang-warna-hue-saturation-value-hsv.html.
[11] S. Naeem and A. Wumaier, “Study and Implementing K-mean Clustering Algorithm on English Text and Techniques to Find the Optimal Value of K,” Int. J. Comput. Appl., vol. 182, no. 31, pp. 7–14, 2018, doi: 10.5120/ijca2018918234.
[12] M. Anggara, H. Sujiani, and N. Helfi, “Pemilihan Distance Measure Pada K-Means Clustering Untuk Pengelompokkan Member Di Alvaro Fitness,” J. Sist. dan Teknol. Inf., vol. 1, no. 1, pp. 1–6, 2016.