FUZZY K-NEAREST NEIGHBOR PADA KLASIFIKASI KEMATANGAN CABAI BERDASARKAN FITUR HSV CITRA

Febri Liantoni - [ http://orcid.org/0000-0003-1084-965X ]
Fitri Nur Annisa


DOI: https://doi.org/10.29100/jipi.v3i2.851

Abstract


Cabai merupakan salah satu bahan masakan yang disukai masyarakat Indonesia. Salah satu cabai yang banyak dimanfaatkan sebagi bahan masakan yaitu cabai rawit. Pada umumnya identifikasi kematangan cabai dilakukan secara manual berdasarkan warna. Metode manual dilakukan dengan pengamatan secara visual. Cara ini membutuhkan tenaga lebih banyak dalam memilah kematangan cabai, padahal persepsi manusia bisa berbeda-beda, hal ini meninbulkan ketidakkonsistenan hasil yang diperoleh. Berdasarkan permasalahan tersebut, penelitian ini dilakukan untuk proses klasifikasi kematangan cabai rawit. Ekstraksi ciri yang digunakan pada penelitian ini dengan menggunakan nilai HSV. Nilai ini diperoleh dari perhitungan nilai RGB citra. Sedangkan proses klasifikasi menggunakan metode k-nearest neighbor yang ditambahkan fuzzy dalam mencari keanggotaan kelas hasil klasifikasi. Metode ini kemudian disebut Fuzzy K-Nearest Neighbor. Pengujian yang dilakukan terhadap 60 data cabai rawit. Berdasarkan pengujian dengan hasil sesuai klasifikasi kelas sesungguhnya yaitu 15 cabai matang, 15 cabai mentah, 15 cabai setengah matang,dan  7 cabai busuk. Sedangkan hasil klasifikasi yang salah yaitu 8 cabai busuk. Dari pengujian tersebut diperoleh 52 data dengan klasifikasi sesuai dengan kelas aslinya. Dari hasil tersebut diperoleh  dengan akurasi sebesar 86,66%.


Full Text:

PDF

Article Metrics :

References


V. Chernov, J. Alander, and V. Bochko, “Integer-based accurate conversion between RGB and HSV color spaces,” Computers & Electri-cal Engineering, vol. 46, pp. 328–337, Aug. 2015.

K. B. Shaik, P. Ganesan, V. Kalist, B. S. Sathish, and J. M. M. Jenitha, “Comparative Study of Skin Color Detection and Segmentation in HSV and YCbCr Color Space,” Procedia Computer Science, vol. 57, pp. 41–48, Jan. 2015.

I. Usuman, A. Dharmawan, and A. Z. K. Frisky, “Sistem Pendeteksi Kulit Manusia Menggunakan Segmentasi Warna Kulit Pada Tipe Citra HSV (Hue Saturation Value),” IJEIS (Indonesian Journal of Electronics and Instrumentation Systems), vol. 2, no. 2, pp. 143–154, Oct. 2012.

H. Yahyaoui, H. S. Own, and Z. Malik, “Modeling and classification of service behaviors,” Expert Systems with Applications, vol. 42, no. 21, pp. 7610–7619, Nov. 2015.

A. Rocha, D. C. Hauagge, J. Wainer, and S. Goldenstein, “Automatic fruit and vegetable classification from images,” Computers and Elec-tronics in Agriculture, vol. 70, no. 1, pp. 96–104, Jan. 2010.

O. Castillo, P. Melin, E. Ramírez, and J. Soria, “Hybrid intelligent system for cardiac arrhythmia classification with Fuzzy K-Nearest Neighbors and neural networks combined with a fuzzy system,” Expert Systems with Applications, vol. 39, no. 3, pp. 2947–2955, Feb. 2012.

M. Nikoo and R. Alizadeh, “A fuzzy KNN-based model for significant wave height prediction in large lakes,” Oceanologia, vol. 60, no. 2, pp. 153–168, Apr. 2018.

Z. Gerhana and R. Ramdani, “Implementation of Nearest Neighbor using HSV to Identify Skin Disease,” IOP Conf. Ser.: Mater. Sci. Eng., vol. 288, no. 1, p. 012153, 2018.

F. Liantoni, “Klasifikasi Daun Dengan Perbaikan Fitur Citra Menggunakan Metode K-Nearnest Neighbor,” ULTIMATICS, Jurnal Teknik Informatika, vol. 7, no. 2, pp. 98–104, 2015.

J. Chaki, R. Parekh, and S. Bhattacharya, “Plant leaf classification using multiple descriptors: A hierarchical approach,” Journal of King Saud University - Computer and Information Sciences, Jan. 2018.

D. Syahid, J. Jumadi, and D. Nursantika, “Sistem Klasifikasi Jenis Tanaman Hias Daun Philodendron Menggunakan Metode K-Nearest Neighboor (KNN) Berdasarkan Nilai Hue, Saturation, Value (HSV),” Jurnal Online Informatika, vol. 1, no. 1, pp. 20–23, Jun. 2016.