Penerapan Algoritma K-Nearest Neighbor untuk Klasifikasi Tingkat Kematangan Buah Tomat Berdasarkan Fitur Warna

Hasan Mubarok, Sylviana Murni, Mayanda Mega Santoni

Abstract


Penelitian ini mengusulkan pengklasifikasi tingkat kematangan buah tomat berdasarkan fitur warna menggunakan klasifikasi K-Nearest Neighbor yang bertujuan untuk memperoleh hasil akurasi yang optimal melalui pengujian terhadap nilai k. Pada penelitian ini metode yang digunakan adalah ekstraksi fitur warna RGa*. Praproses citra menggunakan metode cropping menjadi 100 100 piksel kemudian mengkonversinya menjadi citra RGB dan Lab untuk mendapat mean RGa*. Hasil dari pengujian k dengan menggunakan enam kali percobaan dengan nilai k=1, k=3, k=5, k=7, k=9, dan k=11 dapat disimpulkan bahwa akurasi nilai K-Nearest Neighbor tertinggi sebesar 88% dengan jarak Euclidean k=7. Berdasarkan tingkat akurasi, nilai k=7 merupakan nilai k optimal dalam pengklasifikasian tingkat kematangan buah tomat berdasarkan fitur warna.


Keywords


klasifikasi, RGB, ekstraksi fitur, KNN.

References


Riska, S. Y., and Subeki, P. “Klasifikasi Level Kematangan Buah Tomat Berdasarkan Fitur Warna Menggunakan Multi-SVM”. Jurnal Ilmiah Informatika 1.1 (2016).

Harllee Packing Inc. “Product: Premium product are a Harllee tradition’’. Maret from http://www.harlleepacking.com/products/.

Aprilisa, S., and Sukemi. “Klasifikasi Tingkat Kematangan Buah Tomat Berdasarkan Fitur Warna Menggunakan K-Nearest Neighbor”. Jurnal Computer Science and ICT 5.1 (2019).

Prabowo Heru. “Deteksi Kondisi Kematangan Buah Jeruk Berdasarkan Kemiripan Warna Pada Ruang Warna RGB Berbasis Android”. Jurnal Elektronik Sistem Infromasi dan Komputer 3.2 (2017).

Tupamahu, F., & Enggar Sukmana, S. (n.d.). “Ekstraksi Connected Component dan Transformasi Ruang Warna CIELAB Untuk Segmentasi Citra Penyakit Pada Daun Tanaman Jagung”. Seminar Nasional Ke, 9 (2014):91-96.

Sinaga, A. S. “SEGMENTASI RUANG WARNA L*a*b”. Jurnal Mantik Penusa 3.1 (2019).

Andono, P. N., Sutojo, T., & Mulijono. (2017). Pengelolaan Citra Digital. Yogyakarta: Penerbit ANDI.

Lestari, M. “Penerapan Algoritma Klasifikasi Nearest Neighbor (K-NN) untuk Mendeteksi Penyakit Jantung”. Faktor Exacta 7.2 (2014).

Sanjaya, Suwanto. “Penerapan Learning Vector Quantization Pada Pengelompokan Tingkat Kematangan Buah Tomat Berdasarkan Warna Buah”. Jurnal CorelT 5.2 (2019).

Yuhandri, Y. “Perbandingan Metode Cropping Pada Sebuah Citra Untuk Pengambilan Motif Tertentu Pada Kain Songket Sumatera Barat”. Komtekinfo 6.1 (2019).


Refbacks

  • There are currently no refbacks.


Copyright (c) 2021 Senamika

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