Klasifikasi Kualitas Telur Puyuh Berdasarkan Kombinasi Fitur Warna RGB dan Tekstur GLCM Menggunakan Algoritma KNearest Neighbor (K-NN
Keywords:
Klasifikasi telur puyuh, RGB, GLCM, K-Nearest NeighborAbstract
Kualitas telur puyuh merupakan faktor penting yang memengaruhi nilai jual dan kepercayaan
konsumen. Namun, proses penilaian mutu telur puyuh masih banyak dilakukan secara manual dan
subjektif sehingga berpotensi menimbulkan inkonsistensi. Penelitian ini menyajikan pengembangan
sistem klasifikasi kualitas telur puyuh berbasis pengolahan citra digital dengan memanfaatkan
kombinasi fitur warna RGB dan tekstur GLCM menggunakan algoritma K-Nearest Neighbor (K-NN).
Dataset yang digunakan terdiri dari 200 citra telur puyuh yang dikelompokkan ke dalam tiga kelas
mutu, yaitu baik, sedang, dan buruk. Tahapan penelitian meliputi akuisisi citra, pra-pemrosesan,
segmentasi menggunakan Otsu Thresholding, ekstraksi fitur warna RGB dan fitur tekstur GLCM,
penggabungan fitur dengan metode early fusion, normalisasi data menggunakan StandardScaler,
serta klasifikasi menggunakan algoritma K-NN. Hasil pengujian menunjukkan bahwa sistem mampu
mencapai akurasi tertinggi sebesar 90% pada nilai K = 5, 7, 11, dan 13, dengan nilai K = 5 dipilih sebagai
nilai optimal karena menghasilkan performa yang paling stabil. Hasil ini membuktikan bahwa
kombinasi fitur warna dan tekstur efektif digunakan dalam klasifikasi kualitas telur puyuh secara
objektif
References
Adenugrah, S. P., Arinal, V., & Mulyana, D. I. (2022). Klasifikasi kematangan buah pisang ambon menggunakan metode K-Nearest Neighbor dan Principal Component Analysis berdasarkan citra RGB dan HSV. Jurnal Teknologi Informasi dan Ilmu Komputer, 9(2), 215–224.
Ahsan, M., Mahmud, M. A. P., Saha, P. K., Gupta, K. D., & Siddique, Z. (2021). Effect of data scaling methods on machine learning algorithms and model performance. Proceedings of the International Conference on Big Data Analytics, 5–9.
Arora, I., Khanduja, N., & Bansal, M. (2022). Effect of distance metric and feature scaling on K-Nearest Neighbor algorithm while classifying X-ray images. International Journal of Computer Applications, 174(7), 15–21.
Gonzalez, R. C., & Woods, R. E. (2018). Digital image processing (4th ed.). Pearson Education.
Khoirunnisa. (2021). Produktivitas dan potensi pengembangan usaha ternak burung puyuh di Indonesia. Jurnal Peternakan Terapan, 3(1), 45–52.
Otsu, N. (1979). A threshold selection method from gray-level histograms. IEEE Transactions on Systems, Man, and Cybernetics, 9(1), 62–66. https://doi.org/10.1109/TSMC.1979.4310076
Pamungkas, A. D. (2023). Analisis tekstur citra digital menggunakan Gray Level Co-occurrence Matrix (GLCM). Jurnal Sistem Informasi dan Komputasi, 5(2), 87–95.
Pamuji, R., & Pamungkas, A. (2023). Pengaruh jumlah dataset terhadap performa algoritma klasifikasi machine learning. Jurnal Teknologi Informasi, 11(1), 1–10.
Prahudaya, T. Y., & Harjoko, A. (2017). Metode klasifikasi mutu jambu biji menggunakan K-Nearest Neighbor berdasarkan fitur warna dan tekstur. IJCCS (Indonesian Journal of Computing and Cybernetics Systems), 11(1), 67–78.
Rahayu, S. (2019). Klasifikasi citra daun jambu air menggunakan fitur Gray Level Co-occurrence Matrix. Jurnal Ilmu Komputer dan Informatika, 3(2), 56–64.
Rosa, A., & Ramadhanu, R. (2025). Analisis algoritma K-Nearest Neighbor untuk klasifikasi citra digital. Jurnal Teknologi dan Informasi, 13(1), 45–54.
Saifullah, S., Sunardi, S., & Yudhana, A. (2017). Analisis ekstraksi ciri fertilitas telur ayam kampung dengan grey level co-occurrence matrix. Jurnal Nasional Teknik Elektro, 6(1). https://jnte.ft.unand.ac.id/index.php/jnte/article/view/376
Seran, K. J. T., & Baso, B. (2024). Glcm feature and color based sandalwood leaves disease identification. Jurnal Edik Informatika, 7(1). https://ejournal.upgrisba.ac.id/index.php/eDikInformatika/article/view/7442
Sugiyono. (2016). Metode penelitian pendidikan: Pendekatan kuantitatif, kualitatif, dan R&D. Bandung: Alfabet
Sumari, A. D. W., Mawarni, P. I., & Syulistyo, A. R. (2021). Klasifikasi mutu telur burung puyuh berdasarkan warna dan tekstur menggunakan metode K-Nearest Neighbor dan fusi informasi. Jurnal Teknologi Informasi dan Ilmu Komputer, 8(3), 543–552.
Syafi’i, M., Hidayat, R., & Prasetyo, E. (2016). Segmentasi citra digital menggunakan metode Otsu thresholding. Jurnal Informatika Mulawarman, 11(2), 93–98.
Syukri, M., Azizen, A., & Rokana, R. (2022). Pengaruh pakan terhadap kualitas dan produksi telur burung puyuh. Jurnal Ilmu dan Teknologi Peternakan, 5(1), 14–22.
Vincent, F., Nugroho, S., & Hartono, B. (2023). Evaluasi performa model klasifikasi menggunakan confusion matrix pada data multikelas. Jurnal Data Mining dan Sistem Informasi, 7(2), 101–110.
Yadav, D., & Vishwakarma, D. K. (2020). Feature fusion based approaches for image classification: A review. International Journal of Computer Vision and Image Processing, 10(2), 1–18.
Yusuf, M. N., Ramadhani, P., & Kaswar, A. B. (2021). Identifikasi kualitas telur ayam berbasis pengolahan citra digital dan jaringan saraf tiruan. Jurnal Teknologi Informasi, 9(1), 55–64.
Published
How to Cite
Issue
Section
Copyright (c) 2025 J-STEM: Journal of Science, Technology, Engineering, and Mathematics
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
