Malika Soybean Quality Classification using GLCM and Lacunarity features

Abstract

Kualitas kedelai digunakan sebagai acuan kompussi kandungan yang terdapat pada kedelai itu. Kedelai yang berkualitas adalah kedelai yang tidak cacat dan ukuranya tidak terlalu kecil. Pada penelitian ini menggunakan jenis ekstraksi fitur tekstur dikarenakan sangat cocok dengan karakter dari kedelai malika. Penelitian ini menggunakan metode Gray Level Co-occurrence Matrices (GLCM) dan Lacunarity untuk ekstraksi fitur tekstur. Untuk melakukan klasifikasi digunakan metode Multi-Layer Perceptron (MLP) dan Naïve Bayes Classifiers (NBC). akurasi terbaik yang dihasilkan dari proses klasifikasi kualitas kedelai Malika yaitu 0,98 dengan klasifikasi MLP dan gabungan ekstraksi tektur menggunakan GLCM dan Lacunarity.