KLASIFIKASI TINGKAT KEMATANGAN BUAH BELIMBING MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR (KNN)

Penulis

  • Nama Penulis Universitas Peradaban
  • Khurotul Aeni Universitas Peradaban
  • Mukrodin Mukrodin Universitas Peradaban

DOI:

https://doi.org/10.58436/jsitp.v5i2.1620

Kata Kunci:

Buah Belimbing Madu, K-Nearest Neighbor (KNN), HSV, Confusion Matrix

Abstrak

Belimbing manis atau dalam Bahasa ilmiahnya disebut Averrhoa carambola L. adalah salah satu dari jenis buah tropis yang mempunyai potensi pasar yang bagus karena buah ini populer dikalangan masyarakat dan memiliki banyak nilai gizi selain rasanya yang manis dan menyegarkan. Salah satu faktor yang sangat mempengaruhi kualitas buah belimbing yaitu penanganan saat panen dan pascapanen. Pengklasifikasian kematangan buah belimbing yang dilakukan oleh para petani pada umumnya menggunakan proses pemilahan buah belimbing dengan cara melihat pada perubahan kekerasan dan warna kulit. Cara tersebut tentunya memiliki kelemahan yaitu proses klasifikasi yang lambat, pemilahan kurang akurat, dan hasil yang tidak konsisten. Berdasarkan permasalahan tersebut dibuatlah sebuah sistem untuk mengklasifikasikan tingkat kematangan buah belimbing madu dengan memanfaatkan fitur warna HSV (Hue, Saturation, Value) menggunakan metode K-Nearest Neighbor (KNN) serta menerapkan metode hasil evaluasi menggunakan Confusion Matrix. Klasifikasi menggunakan software matlab untuk pembuatan sistem klasifikasi dengan 3 kelas yaitu kelas mentah, setengah matang, dan matang. Hasil penelitian ini diharapkan dapat membantu petani bauh belimbing dalam melakukan klasifikasi tingkat kematangan buah belimbing madu. Dalam penelitian ini menggunakan data citra sebanyak 126 yang dibagi menjadi 87 data latih dan 39 data uji. Data tersebut diklasifikasikan menggunakan algoritma K-Nearest Neighbor (KNN) dengan nilai K= 5. Dari penelitain ini didapatkan hasil akurasi sebesar 87,17% dengan hasil klasifikasi akurat sebanyak 34 data citra dan hasil klasifikasi tidak akurat sebanyak 5 data citra.

Referensi

J. Media and I. Budidarma, “Klasifikasi Kematangan Buah Pisang Ambon Menggunakan Metode KNN dan PCA Berdasarkan Citra RGB dan HSV,” vol. 6, pp. 9–17, 2022.

S. R. Raysyah, Veri Arinal, and Dadang Iskandar Mulyana, “Klasifikasi Tingkat Kematangan Buah Kopi Berdasarkan Deteksi Warna Menggunakan Metode Knn Dan Pca,” JSiI (Jurnal Sist. Informasi), vol. 8, no. 2, pp. 88–95, 2021.

J. Elektronika, T. Informasi, H. Khotimah, and N. Nafi, “Klasifikasi Kematangan Buah Mangga Berdasarkan Citra HSV dengan KNN,” vol. 1, no. 2, pp. 4–7, 2019.

J. Jumadi, Y. Yupianti, and D. Sartika, “Pengolahan Citra Digital Untuk Identifikasi Objek Menggunakan Metode Hierarchical Agglomerative Clustering,” JST (Jurnal Sains dan Teknol., vol. 10, no. 2, pp. 148–156, 2021.

S. Ratna, “Pengolahan Citra Digital Dan Histogram Dengan Phyton Dan Text Editor Phycharm,” Technol. J. Ilm., vol. 11, no. 3, p. 181, 2020.

A. Syarifah, A. A. Riadi, and A. Susanto, “Klasifikasi Tingkat Kematangan Jambu Bol Berbasis Pengolahan Citra Digital Menggunakan Metode K-Nearest Neighbor,” vol. 7, no. 1, pp. 27–35, 2022.

H. S. Value, “Identifikasi Kematangan Daun Teh Berbasis Fitur Warna Hue Saturation Intensity ( HSI ) dan Hue Saturation Value ( HSV ) ( Identification Maturity Tea Leaves Based on Color Feature Hue Saturation Intensity ( HSI ) and Hue Saturation Value,” vol. 8, no. November, pp. 217–223, 2020.

H. Mubarok, S. Murni, and M. M. Santoni, “Penerapan Algoritma K-Nearest Neighbor untuk Klasifikasi Tingkat Kematangan Buah Tomat Berdasarkan Fitur Warna,” no. April, pp. 773–782, 2021.

D. I. Muhammad, E. Ermatita, and N. Falih, “Penggunaan K-Nearest Neighbor (KNN) untuk Mengklasifikasi Citra Belimbing Berdasarkan Fitur Warna,” Inform. J. Ilmu Komput., vol. 17, no. 1, p. 9, 2021.

Diterbitkan

2024-12-31

Cara Mengutip

Maola, A., Aeni, K., & Mukrodin, M. (2024). KLASIFIKASI TINGKAT KEMATANGAN BUAH BELIMBING MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR (KNN). Jurnal Sistem Informasi Dan Teknologi Peradaban, 5(2), 23–28. https://doi.org/10.58436/jsitp.v5i2.1620

Terbitan

Bagian

Articles

Artikel paling banyak dibaca berdasarkan penulis yang sama

1 2 > >>