Main Article Content
Abstract
Rumput laut merupakan salah satu komoditas unggulan di Indonesia. Diantaranya mempunyai keunggulan komparatif karena tersedia dalam jumlah yang besar dan beraneka ragam. Semakin banyaknya jenis rumput laut,maka dibutuhkan suatu sistem yang digunakan untuk pengenalan rumput laut dengan proses pelatihan citra rumput laut, penggunaan pixel dari citra secara langsung dapat mengakibatkan banyaknya fitur-fitur citra rumput laut yang tidak dapat terekstraksi dengan baik. Sehingga diperlukan suatu pemrosesan awal yang dapat mengekstraksi fitur-fitur citra dengan baik. Dimana pada penelitian ini digunakan PCA (Pincipal Component Analysis) dan Euclidean Distance. Dari ujicoba kelas A (Sargassum), B (Gracilaria) dan C (Eucheuma Cottoni) diperoleh akurasi sebesar 96.6%, pada dataset 40 data testing 10 masing-masing kelas dan menggunakan dimensi 120.