APLIKASI IDENTIFIKASI JENIS BUAH KURMA DENGAN METODE GLCM BERBASIS ANDROID

Fandi, Mochamad (2020) APLIKASI IDENTIFIKASI JENIS BUAH KURMA DENGAN METODE GLCM BERBASIS ANDROID. Undergraduate thesis, Universitas Diponegoro.

	Text JUDUL.pdf Download (2MB)
	Text BAB I.pdf Restricted to Repository staff only Download (157kB)
	Text BAB II.pdf Restricted to Repository staff only Download (414kB)
	Text BAB III.pdf Restricted to Repository staff only Download (413kB)
	Text BAB IV.pdf Restricted to Repository staff only Download (2MB)
	Text BAB V.pdf Restricted to Repository staff only Download (98kB)

Abstract

Buah kurma merupakan salah satu buah yang sangat populer di Indonesia. Ada banyak
sekali jenis kurma yang dijual di pasaran, oleh karena itu konsumen mengalami kesulitan dalam
mengenali tiap jenis kurma. Hal tersebut sering dimanfaatkan oleh penjual kurma untuk melakukan
kecurangan. Kecurangan yang sering dimanfaatkan oleh penjual yaitu dengan mencampurkan
kurma Ajwa dengan kurma jenis lain. Jenis buah kurma dapat dibedakan berdasarkan ukuran,
tekstur, dan warna. Saat ini dalam menentukan jenis buah kurma dilakukan secara manual dengan
menggunakan indra penglihatan manusia, sehingga masih bersifat subjektif dalam menentukan
jenis kurma. Tujuan dari penelitian ini adalah untuk menghasilkan aplikasi bergerak yang dapat
mengidentifikasi jenis kurma Ajwa, kurma Sukari, dan kurma Deglet Nour dengan proses
pengolahan citra.
Aplikasi dibangun menggunakan Android Studio dan OpenCV sebagai library untuk proses
pengolahan citra. Tahapan proses pengolahan citra terdiri atas pra pengolahan citra aras kebuan,
metode segmentasi pengambangan dengan algoritma Otsu dan Binary Inv, dan ekstraksi ciri
statistik orde kedua dengan metode GLCM. Parameter GLCM yang digunakan adalah energi,
kontras, korelasi, entropi, dan homogenitas.
Hasil penelitian adalah terciptanya aplikasi yang dapat mengidentifikasi jenis kurma Ajwa,
kurma Sukari, dan kurma Deglet Nour dengan kondisi pengambilan citra menggunakan kotak
cahaya untuk mendapatkan hasil yang optimal. Penelitian ini menggunakan 90 citra kurma untuk
data pelatihan dan 30 citra kurma untuk data pengujian. Dengan konfigurasi tersebut, aplikasi
dapat mengidentifikasi jenis kurma dengan tingkat keberhasilan sebesar 83,33%

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Pengolahan citra, Pengambangan, GLCM, Android, OpenCV
Subjects:	Engineering
Divisions:	Faculty of Engineering > Department of Computer Engineering
Depositing User:	Teknik Komputer
Date Deposited:	30 Mar 2023 02:50
Last Modified:	25 May 2023 03:51
URI:	https://eprints2.undip.ac.id/id/eprint/12252

Actions (login required)

View Item

Search for collections on Undip Repository