Klasifikasi Tingkat Kematangan Buah Apel Berdasarkan Fitur Warna Menggunakan Algoritma K-Nearest Neighbor dan Ekstraksi Warna HSV

akmal Ilmi, Muhammad Hanif Razka, Dwi Setyo Wiratomo, Desta Sandya Prasvita, S.Komp., M.Kom.

Abstract


Penelitian ini mengusulkan sebuah sistem untuk mengklasifikasi tingkat kematangan buah apel dengan menggabungkan metode K-Nearest Neighbor dan algoritma Hue Saturation Value (HSV) berdasarkan fitur citra warna kulit Apel. Penelitian ini bertujuan dapat membantu pecinta buah apel maupun petani buah apel dalam menentukan dan memilih buah apel mana yang memang sudah memenuhi tingkat kematangan dan siap untuk dikonsumsi dengan melihat dari warna kulit luarnya dan kemudian mengklasifikasikannya. Hasil Penelitian sistem dengan menggabungkan metode Klasifikasi dan algoritma Hue Saturation Value di atas terhadap 5 data testing menunjukkan bahwa tingkat akurasi sebesar 95% dengan sensitivity 95% dan specificitynya 100% yang dilakukan melalui evaluasi model Hold out Estimation. Oleh karena itu, sistem klasifikasi dengan K-Nearest Neighbor berdasarkan ekstraksi warna citra buah apel dengan Hue Saturation Value (HSV) ini memang layak untuk digunakan serta dapat mencapai tujuan dari penelitian.


Keywords


Apple; K-Nearest Neighbor; Hue Saturation Value; Hold Out Estimation

References


Novan Wijaya , Ridwan Anugrah, “Klasifikasi Jenis Buah Apel Dengan Metode K- Nearest Neighbors Dengan Ekstraksi Fitur Hsv Dan Lbp,” J. SISFOKOM., vol. 8, no. 1, 2019.

Yusuf Taftyani , Harjoko Agus, “Metode Klasifikasi Mutu Jambu Biji Menggunakan Knn Berdasarkan Fitur Warna Dan Tekstur,” J. TeknoSains., vol. 6, no. 2, 2017.

Muhammed Buyuk Kinaci , “Fruit Images for Object Detection”. Kaggle.com (2018). Diunduh pada 25 Mei 2020 dari https://www.kaggle.com/mbkinaci/fruit-images-for-object- detection.

“Detect Ripe Fruit in 5 Minutes with OpenCV”. Medium.com. 5 Juni 2020. https://medium.com/@jamesthesken/detect-ripe-fruit-in-5-minutes-with-opencv- a1dc6926556c.

Perwiranto, H., 2012, “Sistem Klasifikasi Mutu Buah Tomat Menggunakan Pengolahan Citra Digital dan Jaringan Saraf Tiruan”, Skripsi, Jurusan Ilmu Komputer dan Elektronika, FMIPA UGM, Yogyakarta.

Hasan Mubarok , Sylviana Murni , Mayanda Mega Santoni, “Penerapan Algoritma K- Nearest Neighbor untuk Klasifikasi Tingkat Kematangan Buah Tomat Berdasarkan Fitur Warna” Jurnal Seminar Nasional Mahasiswa Ilmu Komputer dan Aplikasinya (2021).

Yusuf Ekayana , Nur Nafi’iyah, “Klasifikasi Jenis Pisang Berdasarkan Fitur Warna, Tekstur, Bentuk Citra Menggunakan SVM dan KNN” Journal of Computer, Information System, & Technology Management., Vol. 4, No. 1. April 2021.

Antonio Ciputra , De Rosal Ignatius Moses Setiadi , Eko Hari Rachmawanto , Ajib Susanto, “Klasifikasi Tingkat Kematangan Buah Apel Manalagi Dengan Algoritma Naive Bayes Dan Ekstraksi Fitur Citra Digital”Jurnal SIMETRIS, Vol. 9 No. 1 April 2018.

Husnul Khotimah , Nur Nafi’iyah , Masruroh, “Klasifikasi Kematangan Buah Mangga Berdasarkan Citra HSV dengan KNN” Jurnal Elektronika, Listrik dan Teknologi Informasi Terapan Volume 1, No 2, Desember 2019.

Shinta Aprilisa , Sukemi, “Klasifikasi Tingkat Kematangan Buah Tomat Berdasarkan Fitur Warna Menggunakan K-Nearest Neighbor” Annual Research Seminar (ARS) 2019.

Duwen Imantata Muhammad , Ermatita , Noor Falih, “Penggunaan K-Nearest Neighbor (KNN) untuk Mengklasifikasi Citra Belimbing Berdasarkan Fitur Warna” JURNAL INFORMATIK Edisi ke-17, Nomor 1, April 2021.


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.