SIMATUPANG, SELI OCTARIA and Bettiza, Martaleli and Fahmitra, Novrizal Fattah (2026) DETEKSI KANDUNGAN GARAM PADA IKAN BENGGOL PASCA PEREBUSAN MENGGUNAKAN CANNY EDGE DETECTION DENGAN EKSTRAKSI FITUR GLCM DAN SVM. S1 thesis, Universitas Maritim Raja Ali Haji.

	Text (Cover) SELI_OCTARIA_SIMATUPANG_2201020024_Teknik_Informatika - Cover.pdf - Published Version Download (330kB)
	Text (Abstrak) SELI_OCTARIA_SIMATUPANG_2201020024_Teknik_Informatika - Abstrak.pdf - Published Version Download (35kB)
	Text (Bab 1) SELI_OCTARIA_SIMATUPANG_2201020024_Teknik_Informatika - BAB 1.pdf - Published Version Download (132kB)
	Text (Daftar Pustaka) SELI_OCTARIA_SIMATUPANG_2201020024_Teknik_Informatika - Daftar Pustaka.pdf - Published Version Download (213kB)
	Text (Full Teks) SELI_OCTARIA_SIMATUPANG_2201020024_Teknik_Informatika - Full Teks.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Penentuan kandungan garam pada ikan Benggol pasca perebusan umumnya masih dilakukan secara konvensional melalui uji laboratorium yang memerlukan waktu dan biaya relatif tinggi. Penelitian ini bertujuan untuk mengembangkan sistem deteksi kandungan garam berbasis citra digital yang bersifat non-destruktif dan lebih efisien. Metode yang digunakan meliputi deteksi tepi Canny Edge Detection untuk menonjolkan struktur permukaan, ekstraksi fitur tekstur menggunakan Gray Co-occurrence Matrix (GLCM), serta proses normalisasi data sebelum dilakukan klasifikasi menggunakan Support Vector Machine (SVM). Fitur yang digunakan terdiri atas parameter edge pixel, edge ratio, contrast, homogeneity, energy, dan correlation yang merepresentasikan karakteristik citra dan tekstur permukaan ikan. Model yang dibangun diuji menggunakan 165 data uji dan menghasilkan tingkat akurasi sebesar 92,7%. Sistem kemudian diimplementasikan dalam bentuk aplikasi mobile untuk mempermudah proses identifikasi oleh pengguna. Hasil penelitian menunjukkan bahwa kombinasi ekstraksi fitur tekstur dan metode klasifikasi mampu membedakan kategori kandungan garam secara efektif, sehingga berpotensi menjadi alternatif metode evaluasi kadar garam berbasis teknologi digital. Kata kunci: kadar garam, deteksi citra, Canny Edde Detection, GLCM, SVM.

Actions (login required)

View Item