Klasifikasi Karakteristik Fisik Biji Pinang Belah Kering (Areca catechu) Menggunakan Pengolahan Citra Digital

Abstrak. Klasifikasi biji pinang belah merupakan penyortiran biji pinang belah berdasarkan mutu maupun karakteristiknya. Penelitian ini bertujuan untuk mengklasifikasi biji pinang belah kering menggunakan pengolahan citra dengan metode K-Nearest Neighbor berdasarkan karakteristik parameter bentuk dan tekstur. Biji pinang belah kering dengan 8 klasifikasi yaitu biji bagus telungkup, biji bagus telentang, biji busuk telungkup, biji busuk telentang, biji pecah telungkup, biji pecah telungkup, benda asing telentang, dan benda asing telentang. Sebanyak 1.920 biji pinang belah ditangkap dengan menggunakan kamera kinect v2, di mana data latih menggunakan 1.280 biji pinang belah dan untuk data uji ada sebanyak 640 biji. Fitur yang digunakan yaitu area, perimeter, kontras, korelasi, energi, dan homogenitas yang di ekstraksi menggunakan pengolahan citra. Hasilnya menunjukkan bahwa fitur yang digunakan cukup mampu membedakan beberapa klasifikasi biji pinang. Tingkat akurasi klasifikasi karakteristik fisik biji pinang belah kering yaitu sebesar 84,21%.Classification of Physical Characteristics of Dried Slit Areca Seeds (Areca catechu) Using Digital Image ProcessingAbstract. The classification of split betel nuts is sorting split betel nuts based on their quality and characteristics. This study aims to classify dry split areca nut using image processing with the K-Nearest Neighbor method based on the characteristics of the shape and texture parameters. Dry split areca seeds with 8 classifications, namely good seeds face down, good seeds on their back, rotten seeds face down, rotten seeds on their backs, seeds cracked face down, seeds cracked face down, foreign bodies on their back, and foreign bodies on their back. A total of 1,920 split betel nuts were captured using the Kinect v2 camera, where the training data used 1,280 split areca nut and for the test data there were 640 seeds. The features used are area, perimeter, contrast, correlation, energy, and homogeneity which are extracted using image processing. The results show that the features used are quite capable of distinguishing several classifications of areca nut. The level of accuracy of the classification of the physical characteristics of dry split areca nut is 84.21%.