Pengenalan Citra Jenis Makanan Menggunakan Ekstraksi Fitur Color Channel Dan Gray Level Cooccurence Matrix

Secara manual, manusia dapat dengan mudah mengenali dan membedakan jenis-jenis makanan. Akan tetapi sistem penglihatan manusia tentu memiliki keterbatasan sehingga identifikasi jenis makanan yang dihasilkan berbeda-beda dan tidak konsisten. Penelitian menunjukkan bahwa sistem penglihatan manusia dipengaruhi oleh beberapa faktor seperti usia dan penyakit mata serta faktor kondisi psikis manusia. Seiring berjalannya teknologi, banyak penelitian bermunculan terkait sistem pengenalan jenis makanan menggunakan pengolahan citra. Penelitian ini bertujuan untuk mengembangkan suatu sistem yang dapat mengenali jenis makanan berbasis citra berdasarkan warna dan teksturnya menggunakan metode K-Nearest Neigbor (K-NN). Prosesnya diawali dengan mensegmentasi pada citra untuk mendapatkan fokus objek citra. Objek citra tersegmentasi tersebut kemudian digunakan untuk mendapatkan nilai ekstraksi fitur warna menggunakan color channel RGB sebanyak 9 sub fitur dan fitur tekstur dengan Gray Level Co-Occurence Matrix (GLCM) sebanyak 20 sub fitur pada sudut 0°, 45°, 90°, dan 135°. Hasil proses ekstraksi fitur selanjutnya digunakan dalam proses identifikasi citra menggunakan metode K-NN. Pengujian dilakukan melalui 3 tahap yaitu pengujian nilai k, pengujian ekstraksi fitur, dan pengujian perhitungan jarak tetangga terdekat pada 450 dataset untuk 2 jenis kategori data yaitu data seimbang dan data tidak seimbang. Hasil dari pengujian ini didapatkan akurasi terbaik untuk nilai k=3 sebesar 90,58% pada data seimban