Klasifikasi Tingkat Kematangan pada Buah Rambutan Berdasarkan Fitur Warna Menggunakan KNN dan Ekstraksi Warna HSV

Annisya Octaviani, Siti Hinggit, Kiana Rizki Tsaniyah Zulkarnain, Desta Sandya Prasvita

Abstract


Klasifikasi tingkat kematangan buah secara manual dalam penglihatan saja dirasa kurang tentu dipengaruhi beberapa faktor subyektivitas dari manusia. Akibat dari hal itu ialah tidak mengetahui dengan pasti buah tersebut belum matang, setengah matang, maupun sudah matang. Salah satunya pada buah rambutan. Berawal dari masalah tersebut, maka penelitian ini pun membahas mengenai perbedaan tingkat kematangan pada buah rambutan menggunakan ekstraksi ciri warna yang salah satunya ialah pada warna Hue, Saturation, Value (HSV) dengan menerapkan metode klasifikasi yaitu K-Nearest Neighbors (KNN) serta menerapkan metode hasil evaluasi menggunakan Cross Validation dengan pembagian secara K-Fold. Pengambilan sampel citra sebanyak 21 citra yang diproses, serta penggunaan nilai K = 7 didapatkan hasil akurasi sebesar 76,6% yang merupakan hasil ketepatan dari citra dalam penelitian.


Keywords


Buah Rambutan; K-Nearest Neighbor (KNN); Hue Saturation Value (HSV); Cross Validation

References


Aminudin, A. (2019). KLASIFIKASI TINGKAT KEMATANGAN BUAH PEPAYA MENGGUNAKAN METODE K-NEAREST NEIGHBOR BERDASARKAN WARNA KULIT BUAH (Doctoral dissertation, University of Technology Yogyakarta).

Areni, I. S., Amirullah, I., & Arifin, N. (2019). Klasifikasi Kematangan Stroberi Berbasis Segmentasi Warna dengan Metode HSV. Jurnal Penelitian Enjiniring, 23(2), 113-116.

Handayani, L. (2016). Rancang Bangun sistem Temu Kembali Gambar Ikan Berdasarkan Estraksi Ciri Warna HSV, Bentuk Canny dan tekstur Orde Dua. Jurnal Sains, Teknologi dan Industri, 13(2), 174-180.

Khotimah, H., Nafi’iyah, N., & Masruroh, M. (2020). Klasifikasi Kematangan Buah Mangga Berdasarkan Citra HSV dengan KNN. Jurnal Elektronika Listrik dan Teknologi Informasi Terapan, 1(2), 1-4.

Kusuma, S. F., Pawening, R. E., & Dijaya, R. (2017). Otomatisasi klasifikasi kematangan buah mengkudu berdasarkan warna dan tekstur. Register: Jurnal Ilmiah Teknologi Sistem Informasi, 3(1), 17-23.

Muhammad, D. I., Ermatita, E., & Falih, N. (2021). Penggunaan K-Nearest Neighbor (KNN) untuk Mengklasifikasi Citra Belimbing Berdasarkan Fitur Warna. Informatik: Jurnal Ilmu Komputer, 17(1), 9-16.

Paramita, C., Rachmawanto, E. H., Sari, C. A., & Setiadi, D. R. I. M. (2019). Klasifikasi Jeruk Nipis Terhadap Tingkat Kematangan Buah Berdasarkan Fitur Warna Menggunakan K-Nearest Neighbor. Jurnal Informatika, 4(1).

Rachmawanto, E. H., & Salam, A. (2019). Pengukuran Tingkat Kematangan Kopi Robusta Menggunakan Algoritma K-Nearest Neighbor.

Rianto, P., & Harjoko, A. (2017). Penentuan Kematangan Buah Salak Pondoh Di Pohon Berbasis Pengolahan Citra Digital. IJCCS (Indonesian Journal of Computing and Cybernetics Systems), 11(2), 143-154.

Rohmi, G. F. (2017). Implementasi citra digital berdasarkan nilai HSV untuk mengidentifikasi jenis tanaman mangga menggunakan algoritma K-Nearest Neighbor (Doctoral dissertation, UIN Sunan Gunung Djati Bandung).

Solehatin, S., Kom, M., & Anam, C. (2020). E–Deteksi Kematangan Buah Jeruk Banyuwangi Mengunakan Metode KNN Berbasis Android. Deepublish.


Refbacks

  • There are currently no refbacks.


Copyright (c) 2022 Senamika

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