Elok Fa’Iqotul Himmah, M. Widyaningsih, Maysaroh Maysaroh
{"title":"基于K-Means聚类方法的RGB颜色和HSV识别沙特人收入","authors":"Elok Fa’Iqotul Himmah, M. Widyaningsih, Maysaroh Maysaroh","doi":"10.34128/jsi.v6i2.242","DOIUrl":null,"url":null,"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%.","PeriodicalId":30123,"journal":{"name":"Journal of Systems Integration","volume":"6 1","pages":"193-202"},"PeriodicalIF":0.0000,"publicationDate":"2020-12-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"7","resultStr":"{\"title\":\"Identifikasi Kematangan Buah Kelapa Sawit Berdasarkan Warna RGB Dan HSV Menggunakan Metode K-Means Clustering\",\"authors\":\"Elok Fa’Iqotul Himmah, M. Widyaningsih, Maysaroh Maysaroh\",\"doi\":\"10.34128/jsi.v6i2.242\",\"DOIUrl\":null,\"url\":null,\"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%.\",\"PeriodicalId\":30123,\"journal\":{\"name\":\"Journal of Systems Integration\",\"volume\":\"6 1\",\"pages\":\"193-202\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2020-12-01\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"7\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Journal of Systems Integration\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.34128/jsi.v6i2.242\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Journal of Systems Integration","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.34128/jsi.v6i2.242","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
Identifikasi Kematangan Buah Kelapa Sawit Berdasarkan Warna RGB Dan HSV Menggunakan Metode K-Means Clustering
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%.