i

``````

KLASIFIKASI MUTU BUAH JAMBU BIJI GETAS MERAH

BERDASARKAN TEKSTUR MENGGUNAKAN GREY LEVEL CO-

OCCURENCE MATRIX (GLCM) DENGAN KLASIFIKASI KNN

SKRIPSI

I GEDE WIRAYUDHANA

1310511014

UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN” JAKARTA

FAKULTAS ILMU KOMPUTER

PROGRAM STUDI TEKNIK INFORMATIKA

2020

ii

KLASIFIKASI MUTU BUAH JAMBU BIJI GETAS MERAH

BERDASARKAN TEKSTUR MENGGUNAKAN GREY LEVEL

OCCURENCE MATRIX (GLCM) DENGAN KLASIFIKASI KNN

SKRIPSI

Diajukan Sebagai Salah Satu Syarat Untuk Memperoleh Gelar

Sarjana Komputer

I GEDE WIRAYUDHANA

1310511014

UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN” JAKARTA

FAKULTAS ILMU KOMPUTER

PROGRAM STUDI TEKNIK INFORMATIKA

2020

iii

PERNYATAAN ORISINALITAS

iv

PERNYATAAN PERSETUJUAN PUBLIKASI SKRIPSI

UNTUK KEPENTINGAN AKADEMIS

Sebagai civitas akademik Universitas Pembangunan Nasional “Veteran” Jakarta, saya yang

bertanda tangan di bawah ini :

Nama : I Gede Wirayudhana

NIM : 1310511014

Fakultas : Ilmu Komputer

Program Studi : Teknik Informatika

Demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada Universitas

Pembangunan Nasional “Veteran” Jakarta Hak Bebas Royalti Non eksklusif (Non-exclusive

Royalty Free Right) atas karya ilmiah saya yang berjudul :

Klasifikasi Mutu Buah Jambu Biji Getas Merah Berdasarkan Tekstur

Menggunakan Grey Level Co-Occurence Matrix (GLCM) dan Klasifikasi KNN.

Beserta perangkat yang ada (jika diperlukan). Dengan Hak Bebas Royalti ini Universitas

Pembangunan Nasional “Veteran” Jakarta berhak menyimpan, mengalih media/formatkan,

mengelola dalam bentuk pangkalan data (database), merawat, dan mempublikasikan

Skripsi saya selama tetap mencantumkan nama saya sebagai penulis/pencipta dan sebagai

pemilik Hak Cipta.

Demikian penyataan ini saya buat dengan sebenarnya.

Dibuat di : Jakarta

Pada tanggal : 10 Juni 2020

Yang menyatakan,

(I Gede Wirayudhana)

v

LEMBAR PENGESAHAN

Dengan ini dinyatakan bahwa Skripsi berikut:

Nama : I Gede Wirayudhana

NIM : 1310511014

Program Studi : Informatika

Judul Tugas Akhir : Klasifikasi Mutu Buah Jambu Biji Getas Merah Berdasarkan

Tekstur Menggunakan Grey Level Co-Occurence Matrix (GLCM)

dan Klasifikasi KNN.

Telah berhasil dipertahankan di hadapan Tim Penguji dan diterima sebagai bagian

persyaratan yang diperlukan untuk memperoleh gelar Sarjana Komputer pada

Program Studi S1 Informatika, Fakultas Ilmu Komputer, Universitas Pembangunan

Nasional Veteran Jakarta.

Ditetapkan di : Jakarta

Tanggal Ujian : 9 Juli 2020

Jayanta, S.Kom., M.Si.

Penguji I

Nurul Chamidah, M.Kom.

Penguji II

Dr. Ermatita, M. Kom.

Pembimbing I

Yuni Widiastiwi, S.Kom., M.Si

Pembimbing II

Dr. Ermatita, M. Kom.

Dekan

Anita Muliawati, S.Kom., MTI.

Ketua Program Studi

vi

KLASIFIKASI MUTU BUAH JAMBU BIJI GETAS MERAH

BERDASARKAN TEKSTUR MENGGUNAKAN GREY LEVEL

CO-OCCURENCE MATRIX (GLCM) DENGAN KLASIFIKASI

KNN

I GEDE WIRAYUDHANA

Abstrak

Buah Jambu biji adalah buah yang banyak mengandung vitamin dan baik bagi

kesehatan. Jambu biji juga memiliki tingkat permintaan tinggi di Indonesia dan

memiliki pasar yang luas. Hal ini membuktikan bahwa jambu biji dikonsumsi oleh

masyarakat secara luas dan memiliki tingkat daya saing tinggi. selama ini

pengklasifikasian mutu jambu biji dilakukan dengan melakukan pengamatan

manual dengan melihat secara langsung permukaan fisik luar buah.

Pengklasifikasian secara manual ini memberikan hasil klasifikasi yang kurang

efektif dan tidak konsisten. Teknologi pengolahan citra digital atau Image

Proseccing dapat digunakan untuk mengklasifikasikan mutu jambu biji getas

merah yang sesuai dengan Standar Nasional Indonesia, terutama dari segi tekstur

luar jambu biji. Sistem ini menggunakan pengolahan citra untuk mengekstraksi

ciri tekstur luar permukaan buah jambu biji. Sebagai klasifikasi mutu digunakan

metode KNN (K-Nearest Neighbour). Sistem ini akan mengklasifikasikan jambu

biji ke dalam 3 kelas mutu, yakni kelas super, kelas A, dan kelas B,. KNN

dirancang dengan masukan 4 fitur ekstraksi nilai GLCM (energy, homogeneity,

correlation dan contrast) dengan menggunakan sudut 0 derajat. Dari hasil

pengujian didapatkan bahwa metode klasifikasi ini mampu memberikan akurasi

terbaik pada k=9 dalam metode KNN dengan akurasi 45,8%.

Kata Kunci : Jambu Biji;Pengolahan Citra Digital;Klasifikasi;KNN;GLCM

vii

CLASSIFICATION QUALITY OF RED GLASS JAMBU SEEDS

BASED ON TEXTURE USING GRAY LEVEL CO-

OCCURENCE MATRIX (GLCM) WITH KNN

CLASSIFICATION

I Gede Wirayudhana

Abstract

Guava is a fruit that contains lot of vitamin and is good for health. Guava also has a high

level of demand in Indonesia and has a big market. This proves that guava is widely

consumed by people and has a high level of competitiveness. During this classification

quality of guava by making manual observations by looking directly at the physical surface

of the fruit outside. This manual result classification in less effective and inconsistent.

Digital image processing technology or Image Proseccing can be used to classify the

quality of red brittle guava in accordance with the Indonesian National Standard, especially

in terms of the texture outside of guava. This system uses image processing to extract

texture characteristics outside the surface of guava. As a quality classification used the

KNN (K-Nearest Neighbor) method. This system will classify guava into 3 quality classes,

namely super class, class A, and class B ,. KNN is designed with input 4 features extraction

of GLCM values (energy, homogeneity, correlation and contrast) using a 0 degree angle.

From the test results it was found that this classification method is able to provide the best

accuracy at k = 9 in the KNN method with an accuracy of 45.8%

Keywords : Guava; Digital Image Processing; Classification; KNN; GLCM

viii

KATA PENGANTAR

Puji dan syukur penulis panjatkan ke hadirat Tuhan yang Maha Esa atas segala

karunia-Nya, sehingga skripsi ini berhasil diselesaikan. Penulis ingin mengucapkan terima

kasih kepada:

1. Kedua Orang tua yang telah memberikan dukungan, kepercayaan serta

doa yang tiada hentinya kepada penulis dalam menyelesaikan skripsi ini.

2. Ibu Dr. Ermatita, M.Kom dan Ibu Yuni Widiastiwi, S.Kom, M.Si Selaku

dosen pembimbing 1 dan 2 yang selalu memberikan dorongan kepada

saya agar dapat menyelesaikan skripsi ini.

3. Ibu Dr. Ermatita, M.Kom selaku Dekan Fakultas Ilmu Komputer.

4. Ibu Anita Muliawati, S.Kom., MTI. selaku Kepala program Studi

Informatika.

5. Teman-teman Fakultas Ilmu Komputer Universitas Pembangunan

Nasional Veteran Jakarta yang terlebih dahulu Lulus.

Penulis menyadari bahwa skripsi ini masih jauh dari sempurna, untuk itu penulis

mengharapkan saran dan kritik yang bersifat membangun dalam menyempurnakan

penelitian ini. Akhir kata dari penulis, semoga skripsi ini dapat bermanfaat bagi para

pembaca khususnya mahasiswa FIK UPN ”Veteran” Jakarta.

Jakarta, 10 Juni 2020

Penulis

( I Gede Wirayudhana )

ix

DAFTAR ISI

KLASIFIKASI MUTU BUAH JAMBU BIJI GETAS MERAH

BERDASARKAN TEKSTUR MENGGUNAKAN GREY LEVEL CO-

OCCURENCE MATRIX (GLCM) DENGAN KLASIFIKASI KNN ...................... i

PERNYATAAN ORISINALITAS ........................................................................ iii

PERNYATAAN PERSETUJUAN PUBLIKASI SKRIPSI UNTUK

KEPENTINGAN AKADEMIS ............................................................................. iv

LEMBAR PENGESAHAN .................................................................................... v

Abstrak ................................................................................................................... vi

Abstract ................................................................................................................. vii

KATA PENGANTAR ......................................................................................... viii

DAFTAR ISI .......................................................................................................... ix

DAFTAR TABEL .................................................................................................. xi

DAFTAR GAMBAR ............................................................................................ xii

BAB I ...................................................................................................................... 1

1.1 Latar Belakang .................................................................................................... 1

1.2 Rumusan Masalah ............................................................................................... 2

1.3 Batasan Masalah ................................................................................................. 2

1.4 Tujuan Penelitian ................................................................................................ 3

1.5 Manfaat Penelitian .............................................................................................. 4

1.6 Sistematika Penulisan ......................................................................................... 4

BAB II ..................................................................................................................... 6

2.1 Jambu Biji ........................................................................................................... 6

2.2 Standar Mutu Buah Jambu Biji ........................................................................... 6

2.3 Citra..................................................................................................................... 7

2.4 Pengolahan Citra ................................................................................................. 8

2.5 Matlab ................................................................................................................. 8

2.7 Citra Grayscale .................................................................................................... 9

2.8 K-Nearest Neighbor ( K-NN) ........................................................................... 10

2.9 Grey Level Coocurance Matrix (GLCM) ......................................................... 11

2.10 Penelitian Relevan ............................................................................................ 15

BAB III ................................................................................................................. 17

3.1 Kerangka Berfikir ............................................................................................. 17

3.2 Identifikasi Masalah .......................................................................................... 18

x

3.3 Studi Pustaka ..................................................................................................... 18

3.4 Persiapan Data .................................................................................................. 18

3.5 Pembagian Data ................................................................................................ 19

3.6 Pra Proses .......................................................................................................... 19

3.7 Ekstraksi ciri ..................................................................................................... 20

3.8 Pengujian KNN ................................................................................................. 20

3.9 Hasil .................................................................................................................. 21

3.10 Kebutuhan Sistem ............................................................................................. 21

3.10.1 Perangkat Keras ........................................................................................ 21

3.10.2 Perangkat Lunak ....................................................................................... 21

BAB IV ................................................................................................................. 23

4.1 Persiapan Data .................................................................................................. 23

4.2 Pembagian Data ................................................................................................ 23

4.3 Pra Proses .......................................................................................................... 25

4.3.1 Cropping ................................................................................................... 25

4.3.2 Resize ........................................................................................................ 26

4.3.3 Greyscale ................................................................................................... 27

4.4 Ekstraksi Ciri .................................................................................................... 28

4.5 Contoh Perhitungan Manual GLCM ................................................................. 33

4.6 Klasifikasi KNN ................................................................................................ 37

4.7 Hasil Perhitungan Pengujian Akurasi ............................................................... 43

4.8 GUI ................................................................................................................... 45

4.8.1 GUI Awal .................................................................................................. 45

4.8.2 GUI Klasifikasi Citra ................................................................................ 46

4.8.3 GUI setelah klasifikasi KNN ................................................................... 46

BAB V ................................................................................................................... 48

5.1 Simpulan ........................................................................................................... 48

5.2 Saran ................................................................................................................. 48

RIWAYAT HIDUP ............................................................................................... 49

DAFTAR PUSTAKA ........................................................................................... 50

LAMPIRAN .......................................................................................................... 52

xi

DAFTAR TABEL

Table 1 Tabel Penelitian Relevan .......................................................................... 28

Table 2 Jadwal Penelitian ...................................................................................... 35

Table 3 Pembagian Kelas....................................................................................... 37

Table 4 Pembagian Data ........................................................................................ 37

Table 5 Pembagian Data Latih Uji......................................................................... 38

Table 6 Ciri Data Latih .......................................................................................... 41

Table 7 Ciri Data Uji.............................................................................................. 45

Table 8 Tabel Piksel Citra ...................................................................................... 47

Table 9 Tabel Kondisi Perubahan Nilai Piksel ...................................................... 47

Table 10 Tabel Scale Invariant .............................................................................. 48

Table 11 Tabel Hasil Matrix GLCM ..................................................................... 48

Table 12 Tabel I ..................................................................................................... 49

Table 13 Tabel J ..................................................................................................... 49

Table 14 Tabel Penggabungan Matrix I dan J ....................................................... 50

Table 15 Tabel Pemangkatan 2 Matrix I dan J ...................................................... 50

Table 16 Ciri 1 Data Latih ..................................................................................... 51

Table 17 Ciri Data Uji............................................................................................ 51

Table 18 Hasil Perhitungan Jarak Data Uji Ke Latih ............................................ 52

Table 19 Jarak Terdekat K1 ................................................................................... 55

Table 20 Tabel Klasifikasi data yang di uji ........................................................... 55

Table 21 Hasil Akurasi .......................................................................................... 57

xii

DAFTAR GAMBAR

Gambar 1 Perhitungan GLCM (Sumber: Mathworks Graycomatrix) ................... 25

Gambar 2 Contoh arah untuk GLCM dengan sudut derajat 0,45,90, dan 135 ...... 26

Gambar 3 Diagram Alur Penelitian ....................................................................... 30

Gambar 4 Sampel Buah Jambu Biji Getas Merah ................................................. 36

Gambar 5 proses Sebelum Cropping ..................................................................... 39

Gambar 6 Proses Sesudah Cropping ...................................................................... 39

Gambar 7 Citra Sesudah Resize ............................................................................. 40

Gambar 8 Citra sesudah Grayscale ........................................................................ 40

Gambar 9 Citra pada Gambar 8 ............................................................................. 46

Gambar 10 Diagram Akurasi ................................................................................. 57

Gambar 11 Tampilan GUI Awal............................................................................ 58

Gambar 12 GUI Klasifikasi Citra .......................................................................... 59

Gambar 13 Hasil Klasifikasi KNN ........................................................................ 59