Penggunaan K-Nearest Neighbor (KNN) untuk Mengklasifikasi Citra Belimbing Berdasarkan Fitur Warna

Penulis

  • Duwen Imantata Muhammad Universitas Pembangunan Nasional Veteran Jakarta
  • Ermatita Ermatita Universitas Pembangunan Nasional Veteran Jakarta
  • Noor Falih Universitas Pembangunan Nasional Veteran Jakarta

DOI:

https://doi.org/10.52958/iftk.v17i1.2132

Abstrak

Masih banyak yang belum mengetahui pasti tingkat kematangan buah. Akibatnya penjual maupun pembeli menjadi sulit untuk memperkirakan tingkat kematangan buah tersebut, khusunya buah belimbing. Berawal dari masalah tersebut dibutuhkan suatu sistem yang dapat membedakan tingkat kematangan dari buah. Berdasarkan hal tersebut tujuan penelitian ini dilakukan guna mengidentifikasi tingkat kematangan buah belimbing berdasarkan citra dengan algoritma K-Nearest Neighbor dan ekstraksi ciri Hue saturation Value (HSV) dengan menggunakan program Matlab guna membantu proses pengolahan citra digital. Dengan menggunakan algoritma KNN didapatkan akurasi sebesar 93.33% pada percobaan dengan menggunakan nilai K=7.

Referensi

] Qurania dan Arie. 2012. Analisis Tekstur Dan Estraksi Fitur Warna Untuk Klasifikasi Apel Berbasis Citra. Pakuan Bogor : Lokakarya Komputasi dalam sains dan teknologi Nuklir, 2012. 296-304.

] Gonzales, R. C., & Woods, R. E. 2002. Digital Image Processing. New Jersey: Prentice-Hall, Inc.

] Santosa, B. 2007. Data Mining Terapan dengan MATLAB: Graha Ilmu.

] Budiharto, W. 2016. Machine Learning & Computational Intelligence: Andi

] Santosa, B. & Umam, A. 2018. Data Mining dan Big Data Analytics: Penebar Media Pustaka

] Manik, F. Y., & Saragih K. S. 2017. Klasifikasi Belimbing Menggunakan Naïve Bayes Berdasarkan Fitur Warna RGB, 11(1), 99-108.

] Sari, Yuslena & Pramunendar, Ricardus, Pengolahan Citra dalam Soft Computing, Sukabumi : CV jejak, 2017.

Unduhan

Diterbitkan

2021-05-31

Terbitan

Bagian

Article