PENERAPAN LIGHTGBM DENGAN KOMBINASI EKSTRAKSI FITUR GLCM, HOG DAN RUANG WARNA HSV UNTUK KLASIFIKASI REMPAH RIMPANG

AL HAFIDZ, ACHMAD FAHMI (2025) PENERAPAN LIGHTGBM DENGAN KOMBINASI EKSTRAKSI FITUR GLCM, HOG DAN RUANG WARNA HSV UNTUK KLASIFIKASI REMPAH RIMPANG. Undergraduate thesis, UNIVERSITAS PEMBANGUNAN NASIONAL "VETERAN" JAWA TIMUR.

	Text (COVER) COVER.pdf Download (3MB)
	Text (BAB 1) BAB1.pdf Download (21kB)
	Text (BAB 2) BAB2.pdf Restricted to Repository staff only until 10 June 2027. Download (785kB)
	Text (BAB 3) BAB3.pdf Restricted to Repository staff only until 10 June 2027. Download (1MB)
	Text (BAB 4) BAB4.pdf Restricted to Repository staff only until 10 June 2027. Download (2MB)
	Text (BAB 5) BAB5.pdf Download (27kB)
	Text (DAFTAR PUSTAKA) DAPUS.pdf Download (135kB)

Abstract

Rempah rimpang memiliki peran penting dalam dunia kuliner dan industri pangan, baik sebagai bumbu masakan, bahan obat tradisional, maupun produk olahan bernilai ekonomi tinggi. Namun, proses identifikasi manual terhadap jenis rempah masih menghadapi tantangan besar karena kemiripan visual antar spesies yang cukup tinggi. Oleh karena itu, penelitian ini bertujuan mengembangkan sistem klasifikasi otomatis berbasis citra digital untuk membedakan jenis rempah rimpang dengan lebih cepat dan akurat. Metode yang digunakan adalah Light Gradient Boosting Machine (LGBM), dikombinasikan dengan tiga jenis ekstraksi fitur: Gray Level Co-Occurrence Matrix (GLCM), Histogram of Oriented Gradients (HOG), dan Hue Saturation Value (HSV). Dataset yang digunakan berjumlah 2.250 citra, terdiri dari 1.250 data sekunder dan 1.000 data primer. Data dibagi dengan tiga skema rasio: 80:20, 70:30, dan 60:40. Proses pra-pemrosesan mencakup resizing citra menjadi 512x512 piksel, penghapusan latar belakang menggunakan rembg, normalisasi, serta augmentasi data melalui rotasi, flipping, pemotongan, perubahan pencahayaan, penskalaan, dan shearing. Hasil evaluasi menunjukkan bahwa fitur HSV memberikan kinerja terbaik dan paling stabil di berbagai rasio data. Pada rasio 70:30, akurasi mencapai 82,67%, mengungguli kombinasi fitur lainnya. Temuan ini menegaskan bahwa HSV adalah pilihan fitur yang optimal untuk klasifikasi citra rempah. Sistem yang dikembangkan memiliki potensi besar dalam mendukung otomatisasi identifikasi rempah di industri pangan, mengurangi ketergantungan pada proses manual, serta meningkatkan efisiensi, konsistensi, dan kualitas produk secara keseluruhan.

Item Type:

Thesis (Undergraduate)

Contributors:

Contribution	Contributors	NIDN/NIDK	Email
Thesis advisor	PUSPANINGRUM, EVA YULIA	NIDN0005078908	evapuspaningrum.if@upnjatim.ac.id
Thesis advisor	NURLAILI, AFINA LINA	NIDN0013129303	afina.lina.if@upnjatim.ac.id

Subjects:

Q Science > QA Mathematics > QA76.6 Computer Programming
T Technology > T Technology (General)

Divisions:

Faculty of Computer Science > Departemen of Informatics

Depositing User:

Achmad Fahmi Al Hafidz

Date Deposited:

17 Jun 2025 06:45

Last Modified:

17 Jun 2025 06:45

URI:

https://repository.upnjatim.ac.id/id/eprint/37252