Pengolahan Citra Digital Buah Murbei Dengan Algoritma LDA (Linear Discriminant Analysis)
Mulberry Fruit Digital Image Processing With LDA (Linear Discriminant Analysis) Algorithm
Buah murbei merupakan buah yang berbuah disepanjang tahun dan banyak dibudidayakan oleh peternak ulat sutera. Buah murbei yang telah matang mengandung banyak mineral. Cara manual atau konvensional masih banyak digunakan untuk memperoleh buah murbei yang mempunyai tingkat kematangan sempurna. Hal tersebut tidak efisien jika buah murbei dalam jumlah yang banyak. Oleh karena itu, penelitian ini akan mengembangkan sistem pengolahan citra digital yang dapat mengklasifikasi kematangan buah murbei berdasarkan nilai hue dan saturation. Citra harus direpresentasikan secara numerik dengan nilai diskrit agar dapat diolah dengan mudah. Pada penelitian ini, terdapat proses segmentasi, proses ekstraksi ciri dan proses klasifikasi. Proses ekstraksi ciri memperoleh nilai hue dan saturasi dari sebuah citra HSV untuk mempermudah proses klasifikasi. Selanjutnya, Linear Discriminant Analysis akan memperoleh proyeksi yang optimal untuk dapat memasuki ruang-ruang yang berdimensi lebih kecil. Berdasarkan pengolahan pada data latih didapatkan tingkat akurasi 80%, pada data uji didapatkan tingkat akurasi 91,6% dan hasil pengujian mendapatkan tingkat akurasi 85,8%.
Kata kunci: Buah Murbei, Pengolahan Citra Digital, HSV, LDA
Mulberry fruit is a fruit that bears fruit throughout the year and is widely cultivated by silkworm breeders. Ripe mulberry fruit contains many minerals. Manual or conventional methods are still widely used to obtain mulberry fruit that has a perfect maturity level. It is not efficient if the mulberry fruit is in large quantities. Therefore, this study will develop a digital image processing system that can classify mulberry ripeness based on hue and saturation values. The image must be represented numerically with discrete values so that it can be processed easily. In this research, there is a segmentation process, a feature extraction process and a classification process. The feature extraction process obtains hue and saturation values from an HSV image to simplify the classification process. Furthermore, Linear Discriminant Analysis will obtain optimal projections to be able to enter spaces with smaller dimensions. Based on the processing of the training data obtained an accuracy rate of 80%, the test data obtained an accuracy rate of 91.6% and the test results obtained an accuracy rate of 85.8%.
Keyword: Mulberry Fruit, Digital Image Processing, HSV, LDA