SISTEM PENGENALAN KUALITAS IKAN GURAME DENGAN WAVELET, PCA, HISTOGRAM HSV DAN KNN
Abstract: Pengenalan pola
memiliki peran yang berarti dalam membantu proses klasifikasi suatu kelas
ataukelompok.Data citra seperti data tekstur dan warna dasar citra dapat diolah
dengan mengkonversicitra menjadi data matriks.Penelitian ini menyajikan
pengenalan citrainduk ikan gurame untuk mengenali kualitas indukGurame melalui
tekstur kulit sisiknya dengan ekstraksi fiturgabungan dua metode yaitu
alihragamwavelet haar dan Principle Component Analysis (PCA) dan untuk
mengenali jenis induk guramemenggunakan ekstraksi fitur histogram HSV, proses
klasifikasi menggunakan k-NearestNeighborhood (k-NN).Data yang digunakan adalah
citraikan gurame yang terdiri dari 56 buah foto untuk pengenalankualitas
gurame, 56 buah gambar warna dasar sirip gurame untuk mengenali jenis
ikangurame.Citra yang diuji terdiri dari kelas unggul dan tidak unggul untuk
pengenalan ‘kualitasinduk gurame’, kelas 'jantan dan betina’ untuk pengenalan
jenis ikan gurame dengan datapengujian seluruh kelas total berjumlah 36 buah
citra. Hasil klasifikasi dengan k-NNmenghasilkan total rata-rata akurasi
pengenalannya sebesar 97,8% dengan menggunakanmetode ekstraksi wavelet dengan
PCA. Hasil klasifikasi dengan k-NN menghasilkan total ratarataakurasi
pengenalannya sebesar 98,8% dengan menggunakan metode ekstraksi wavelettanpa
PCA.Total rata-rata nilai akurasi pengenalan tersebut untuk membedakan kelas
unggulatau tidak unggul induk ikan gurame. Nilai akurasi pengenalan hasil
klasifikasi k-NN untukmengenali jenis jantan atau betina induk gurame sebesar
89,5% menggunakan metodehistogram HSV.
Penulis: Fitri Astutik
Kode Jurnal: jptkomputerdd130246