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.