Klasifikasi Kematangan Buah Pala Menggunakan Metode K Nearest Neighbor (k-NN) Dengan Memanfaatkan Teknologi Citra Digital


Rini Mulyani(1*); Dedy Atmajaya(2); Fitriyani Umar(3);

(1) Universitas Muslim Indonesia
(2) Universitas Muslim Indonesia
(3) Universitas Muslim Indonesia
(*) Corresponding Author

  

Abstract


Ekstraksi fitur merupakan pengekstrakan data untuk mencari ciri khusus dari sebuah objek yang akan menjadi pembeda antara satu objek dengan objek lain. Dalam penelitian ini, akan melakukan ekstraksi menggunakan (HSV) dengan Zernike, mengklasifikasi buah pala menggunakan metode k-Nearest Neighbor (k-NN) dan mengukur akurasi metode k-Nearest Neighbor (k-NN). Tahap dalam penelitian ini meliputi preprocessing yaitu perubahan dimensi citra dari ukuran 1024 x 768 menjadi 150 x 150. Segmentasi citra menggunakan metode Thresholding untuk membuat nilai background menjadi nol atau background manjadi hitam. Ekstraksi menggunakan metode Hue, Saturation, Value (HSV) dan Zernike. Tahap terakhir melakukan klasifikasi menggunakan k-Nearest Neighbor (k-NN). Berdasarkan penelitian yang telah dilakukan, maka dapat disimpulkan salah satu tingkat akurasi terbaik yang didapatkan dari pengujian data testing memiliki rata-rata akurasi yaitu K=3 akan menghasilkan keakuratan sebesar 68%. Sehingga sistem klasifikasi kematangan buah pala berdasarkan ekstraksi fitur warna Hue, Saturation, Value (HSV) dan moment Zernike menggunakan metode k-Nearest Neighbors (k-NN) tersebut layak untuk digunakan sebagaimana mestinya.


Keywords


Ekstraksi fitur; Euclidean Distance; HSV; Zernike; k-Nearest Neighbor (k-NN)

  
  

Full Text:

PDF
  

Article Metrics

Abstract view: 687 times
PDF view: 589 times 		     

Digital Object Identifier

doi  https://doi.org/10.33096/busiti.v2i3.826 		  

Cite

How to cite item

References


O. Ekstraksi, O. Pala, N. Myristica, O. Extraction, O. From, and N. Maluku, Optimasi Ekstraksi Oleoresin Pala (Myristica fragrans Houtt) Asal Maluku Utara Menggunakan Response Surface Methodology (RSM), J. Agritech, vol. 32, no. 04, pp. 383391, 2013, doi: 10.22146/agritech.9581.

I. S. Areni, I. Amirullah, and N. Arifin, Klasifikasi Kematangan Stroberi Berbasis Segmentasi Warna dengan Metode HSV, J. Penelit. Enj., vol. 23, no. 2, pp. 113116, 2019, doi: 10.25042/jpe.112019.03.

A. Budianto, R. Ariyuana, and D. Maryono, Perbandingan K-Nearest Neighbor (Knn) Dan Support Vector Machine (Svm) Dalam Pengenalan Karakter Plat Kendaraan Bermotor, J. Ilm. Pendidik. Tek. dan Kejuru., vol. 11, no. 1, p. 27, 2019, doi: 10.20961/jiptek.v11i1.18018.

J. A. Samudra, S. Anraeni, and Herman, Penerapan Metode K-Nearest Neighbor Untuk Memprediksi Tingkat Kelulusan Mahasiswa Berbasis Web Pada Fakultas Ilmu Komputer Umi, Bul. Sist. Inf. dan Teknol. Islam, vol. 1, no. 4, pp. 230237, 2020.

N. Nafiah, Klasifikasi Kematangan Buah Mangga Berdasarkan Citra HSV dengan KNN, J. Elektron. List. dan Teknol. Inf. Terap., vol. 1, no. 2, pp. 14, 2019.

N. Hadianto, H. B. Novitasari, and A. Rahmawati, Klasifikasi Peminjaman Nasabah Bank Menggunakan Metode Neural Network, J. Pilar Nusa Mandiri, vol. 15, no. 2, pp. 163170, 2019, doi: 10.33480/pilar.v15i2.658.

Mustakim and G. Oktaviani F, Algoritma K-Nearest Neighbor Classification Sebagai Sistem Prediksi Predikat Prestasi Mahasiswa, vol. 13, no. 2, pp. 195202, 2016.


Refbacks

  • There are currently no refbacks.


Copyright (c) 2021 Buletin Sistem Informasi dan Teknologi Islam (BUSITI)

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.