Seleksi Fitur Warna Citra Digital Biji Kopi Menggunakan Metode Principal Component Analysis

Authors

  • Danang Aditya Nugraha Universitas Kanjuruhan Malang
  • Anggri Sartika Wiguna Universitas Kanjuruhan Malang

DOI:

https://doi.org/10.25273/research.v3i1.5352

Keywords:

back propagation, jaringan syaraf tiruan, principal component analysis, seleksi fitur

Abstract

Proses klasifikasi citra digital dilakukan terhadap data fitur yang menggambarkan ciri suatu citra. Dalam penelitian sebelumnya mengenai klasifikasi biji kopi untuk menentukan tingkat roasting, digunakan fitur warna RGB dan metode klasifikasi Jaringan Syaraf Tiruan dengan algoritma Back Propagation. Namun dalam penelitian tersebut didapatkan hasil klasifikasi yang kurang memuaskan akibat dari fitur yang digunakan kurang dapat memisahkan ciri dari setiap tingkat roasting biji kopi. Pada penelitian ini dilakukan penambahan fitur warna yang digunakan melalui penggunaan representasi warna RGB dan HSI, yang kemudian dihitung nilai mean, median, standar deviasi, skewness, kurtosis, dan energy pada setiap komponen warna. Dengan demikian terdapat 33 data fitur citra biji kopi. Dengan jumlah fitur yang semakin banyak, menimbulkan masalah baru dimana tidak setiap fitur mempunyai kontribusi yang signifikan dalam proses klasifikasi, sehingga diperlukan proses seleksi fitur untuk mendapatkan fitur dengan kontribusi maksimal. Pada penelitian ini metode Principal Component Analysis diujikan sebagai metode untuk seleksi fitur. Uji coba dilakukan terhadap 240 data citra digital biji kopi, dimana terdapat 120 citra biji kopi Arabika dan 120 citra biji kopi Robusta. Setiap jenis citra biji kopi tersebut terbagi menjadi tingkat roasting mentah, light roasting, medium roasting, dan dark roasting. Hasil penelitian ini didapatkan bahwa rata-rata proses training pada data fitur setelah dilakukan proses seleksi fitur mengalami peningkatan  dibandingkan tanpa seleksi fitur. Hal ini terlihat dari 5 kali proses training dengan seleksi fitur didapatkan nilai akurasi terbaik hingga 90,8%, sedangkan tanpa seleksi fitur didapatkan akurasi terbaik adalah 89,6%.

Downloads

Download data is not yet available.

References

G. O. F. Parikesit dan Ferdiansjah, “Coffee Bean Grade Determination Based on Image Parameter,†TELKOMNIKA, vol. 9, no. 3, hal. 547–554, Des 2011.

B. Turi, G. Abebe, dan G. Goro, “Classification of Ethiopian Coffee Beans Using Imaging Technique,†East African J. Sci., vol. 7, no. 1, hal. 1–10, 2013.

R. Venkata Ramana Chary, “Feature Extraction Methods For Color Image Similarity,†Adv. Comput. An Int. J., vol. 3, no. 2, hal. 147–157, Mar 2012.

M. K. Slamet Widodo, “QUALITY EVALUATION OF MELINJO SEEDS (Gnetum gnemon L.) USING DIGITAL IMAGE PROCESSING,†J. Tek. Pertan. Lampung, vol. 7, no. 2, hal. 106–14, 2018.

F. Song, Z. Guo, dan D. Mei, “Feature Selection Using Principal Component Analysis,†in 2010 International Conference on System Science, Engineering Design and Manufacturing Informatization, 2010, hal. 27–30.

Y. Lu, I. Cohen, X. Sean Zhou, dan Q. Tian, “Feature Selection Using Principal Feature Analysis,†ACM Multimedia, Sep 2007.

M. Morchid, R. Dufour, P.-M. Bousquet, G. Linarès, dan J.-M. Torres-Moreno, “Feature selection using Principal Component Analysis for massive retweet detection,†Pattern Recognit. Lett., vol. 49, hal. 33–39, Nov 2014.

D. A. Nugraha dan A. S. Wiguna, “Klasifikasi Tingkat Roasting Biji Kopi Menggunakan Jaringan Syaraf Tiruan Backpropagation Berbasis Citra Digital,†SMARTICS J., vol. 4, no. 1, hal. 1–4, Sep 2018.

M. E. Purbaya, “Penerapan Model Generatif Pada Kerangka Kerja Deep Learning Untuk Menerjemahkan Citra Sketsa Daun Menjadi Citra Alami Daun,†Res. Comput. Inf. Syst. Technol. Manag., vol. 1, no. 2, hal. 39–45, 2018.

M. H. Abdurrahman, E. Suhartono, dan E. Wulandari, “Deteksi Kualitas Kemurnian Susu Sapi Melalui Pengolahan Citra Digital Menggunakan Metode Scale Invariant Feature Transform ( Sift ) Dan Klasifikasi K-Nearest Neighbor ( Knn ) Quality Detection of Cow ’ S Milk Purity Using Digital Image Processing Method O,†in e-Proceeding of Engineering, 2019, vol. 6, no. 2, hal. 3845–3852.

P. Kothyari dan S. Dwivedi, “Content Based Image Retrieval using Statistical Feature and Shape Extraction,†Int. J. Innov. Res. Comput. Commun. Eng., vol. 4, no. 6, Jun 2016.

Downloads

Published

2020-04-10

How to Cite

Nugraha, D. A., & Wiguna, A. S. (2020). Seleksi Fitur Warna Citra Digital Biji Kopi Menggunakan Metode Principal Component Analysis. RESEARCH : Journal of Computer, Information System & Technology Management, 3(1), 24–30. https://doi.org/10.25273/research.v3i1.5352

Issue

Vol. 3 No. 1 (2020)

Section

Articles

License

Authors who publish with this journal agree to the following terms:

Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.

Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.

Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).
Crossref
Scopus
Google Scholar
Europe PMC