Deteksi Kualitas Kacang Kedelai Melalui Pengolahan Citra Digital dengan Metode Gray-Level Co-Occurrence Matrix (Glcm) dan Klasifikasi Desicion Tree

Abstract

Meningkatnya kebutuhan kacang kedelai selayaknya diikuti dengan peningkatan kualitas. Pemerintah melalui Dewan Standardisasi Nasional (DSN) telah menetapkan Standar Nasional Indonesia untuk kualitas fisik biji kedelai (SNI 01-3922-1995). Pada proses menentukan butir rusak, pecah, warna lain, dan kotoran pada kacang kedelai dilakukan secara visual. Penentuaannya dilakukan manual dengan melakukan sortir menurut kriterianya masing-masing dengan menggunakan pinset, lalu ditimbang beratnya. Pada penelitian ini, dibuat sebuah simulasi sistem berbasis Matlab untuk membantu menentukan kualitas kacang kedelai dengan menggunakan input berupa citra digital. Kedelai yang digunakan adalah kedelai kuning yang didapatkan dari salahsatu distributor di Kota Bandung. Proses pertama yang akan dilakukan pada penelitian ini adalah akuisisi citra, yakni pengumpulan beberapa citra digital dari masing-masing kualitas kacang kedelai yang akan dijadikan sebagai objek. Selanjutnya dilakukan proses pre-processing, perubahan menjadi citra grayscale. Pada proses ekstraksi ciri menggunakan metode Gray-Level Co-Occurrence Matrix (GLCM) untuk mendapatkan data ciri dari seluruh citra digital, dan akan diklasifikasikan menggunakan metode Desicion Tree. Pada hasil pengujian, tingkat akurasi yang diperoleh dari ekstraksi ciri data uji menggunakan Metode GLCM menggunakan klasifikasi Decision Tree menghasilkan nilai 95% untuk data citra menggunakan kamera 1 dan 90% untuk data citra menggunakan kamera 2. Akurasi tertinggi sebesar 95.833 dengan waktu komputasi 2.643 detik didapat dari data citra kamera 1 dengan jumlah data latih 96 citra (80%), data uji 24 citra (20%), dengan jarak piksel = 1 dan menggunakan sudut (0º,45º,90º, dan 135º).