Identifikasi Kematangan Buah Tomat Berbasis L*a*b Color dan Gray Level Co-occurrence Matrix Menggunakan K-means Clustering

Abstract

Image sebagai salah satu komponen multimedia yang memegang peranan penting sebagai bentuk informasi visual. Image Processing dapat memberikan manfaat yang signifikan dalam berbagai bidang teknologi jika digunakan dengan baik. Tujuan dari penelitian ini adalah untuk mengetahui kinerja dari pengidentifikasian kematangan buah tomat berbasis L*a*b color dan GLCM menggunakan k-means clustering dengan harapan supaya penjualan buah tomat ke tempat yang jauh dapat dipilih sesuai kematangannya. L*a*b color yang membedakan pewarnaan terhadap buah tomat, K-means clustering yang membantu pemilihan terhadap 3 kelas jenis buah tomat yaitu mentah, mengkal, matang, dan GLCM ini yang membuat identifikasi buah dapat teridentifikasi. Hasil Identifikasi ini terdapat 2 metode yaitu metode langsung (realtime) dan metode database. Persentase yang didapatkan pada identifikasi buah ini dengan metode realtime sebanyak 150 percobaan dari 3 kelas buah tomat memperoleh hasil 90% kebenaran. Sedangkan pada metode database sebanyak 150 percobaan dari 3 kelas buah tomat memperoleh hasil 91.33% kebenaran.

Kata Kunci: Buah Tomat, L*a*b Color, GLCM, Realtime, Database, Mentah, Mengkal, Matang.

Image as a multimedia component that plays an important role as a form of visual information. Image Processing can provide significant benefits in various fields of technology if used properly. The purpose of this study was to determine the performance of identifyingthe maturity of L8a*b color and GLCM tomatoes base on k-means clustering in the hope that the sale of tomatoes to distant places could be selected according to their maturity. L*a*b color that distinguishes staining of tomatoes, K-means clustering which helps the selection of 3 types of tomatoes, whice are raw, half-mature, mature, and this GLCM which can identify fruit identification. The result of this identification are 2 methods, namely the direct method (realtime) and the database method. The percentage obtained in the identification of this fruit with the realtime method as many as 150 trials of 3 classes of tomatoes obtained 90% result. While in the database method as many as 150 trials of 3 classes of tomatoes obtained 91,33% result.

Keywords: Tomato Fruit, L*a*b Color, GLCM, Realtime, Database, Raw, Half-mature, Mature.