OPTIMASI ALGORITMA LEARNING VECTOR QUANTIZATION (LVQ) DALAM PENGKLASIFIKASIAN CITRA DAGING SAPI DAN DAGING BABI BERBASIS GLCM DAN HSV

Meningkatnya kebutuhan daging sapi, berdampak pada harga daging sapi. Harga daging sapi yang terus menerus mengalami kenaikan, tentunya menyebabkan penurunan penjualan daging sapi. Untuk mengantisipasi hal tersebut, maka beberapa pedagang mencampurkan daging sapi dengan daging babi. Dipilihnya daging babi, karena harga daging babi lebih murah dan warna serta tekstur daging babi yang mirip dengan daging sapi. Secara kasat mata daging sapi dan daging babi sulit untuk dibedakan bagi orang awam. Oleh karena itu, perlu adanya sistem yang dapat membedakan kedua daging. Penelitian ini menggunakan metode klasifikasi untuk membedakan kedua daging. Metode klasifikasi menggunakan algoritma Learning Vector Quantization. Dan penelitian ini memiliki tiga tahapan utama seperti preprocessing, segmentasi warna, ekstraksi fitur, dan klasifikasi. Preprocessing digunakan untuk mendapatkan Region of Interest (ROI) dengan memotong citra dan mengubah ukuran citra. Segmentasi warna menggunakan metode HSV untuk mendapatkan kedalaman warna citra dan ekstraksi fitur mengguakan Gray Level Co-occurrence Matrix (GLCM) untuk mendapatkan fitur dari kontras, korelasi, energi, dan homogenitas. Hasil klasifikasi dengan algoritma LVQ mendapatkan akurasi tertinggi 76,25%. Algoritma telah diuji dengan MSE untuk mengetahui minimum error dan PSNR digunakan sebagai pengukuran kualitas citra pengolahan.