KLASIFIKASI TINGKAT KEMATANGAN BUAH PAPRIKA MENGGUNAKAN METODE K-NEAREST NEIGHBOR BERDASARKAN WARNA RGB MELALUI APLIKASI MATLAB

Hafizhiadi Rizki Cahyaputra
Reni Rahmadewi


DOI: https://doi.org/10.29100/jipi.v9i1.4440

Abstract


Penelitian ini bertujuan untuk mengklasifikasikan tingkat kematangan buah paprika menggunakan metode K-Nearest Neighbor (KNN) melalui aplikasi MATLAB. Dalam penelitian ini, digunakan dataset citra buah paprika yang telah dipreproses dan dibagi menjadi dataset latihan dan dataset uji. Dataset ini terdiri dari empat kelas kematangan: mentah, setengah matang, hampir matang, dan matang. Sistem klasifikasi kematangan buah paprika dikembangkan dengan mengimplementasikan metode KNN untuk mendeteksi tingkat kematangan berdasarkan analisis warna. Hasil pengujian menunjukkan bahwa sistem yang dikembangkan memiliki tingkat akurasi yang memuaskan, dengan tingkat akurasi tertinggi mencapai 90% ketika menggunakan nilai k=5. Penelitian ini diharapkan dapat menjadi alat bantu yang berguna bagi petani dalam menentukan kualitas paprika yang terbaik untuk dikonsumsi.

Keywords


Citra; Pengolahan Citra Digital; K-Nearest Neighbor; MATLAB

Full Text:

PDF

Article Metrics :

References


H. Prihmantoro and Y. H. Indriani, Paprika : hidroponik dan non hidroponik. Jakarta: Penebar Swadaya, 1995.

A. Anugrahandy, B. D. Argo, and B. Susilo, “Perancangan Alat Sortasi Otomatis Buah Apel Manalagi ( Malus sylvestris Mill ) Menggunakan Mikrokontroler AVR ATMega 16 Design of Automated Sorting Device of Manalagi Apple using AVR ATMega 16 Microcontroller,” J. Ketknikan Pertan. dan Biosist., vol. 1, no. 1, pp. 1–9, 2013.

E. Fernando Ade Pratama, K. Khairil, and J. Jumadi, “Implementasi Metode K-Means Clustering Pada Segmentasi Citra Digital,” J. Media Infotama, vol. 18, no. 2, pp. 291–301, 2022.

A. Wijayono and V. G. V. Putra, “PENERAPAN TEKNOLOGI PENGOLAH CITRA DIGITAL DAN KOMPUTASI PADA PENGUKURAN DAN PENGUJIAN BERBAGAI PARAMETER BENANG”.

A. D. Harisna, “Image Processing,” 2009. https://ndoware.com/image-processing.html (accessed Jul. 13, 2023).

Anonymous, “Apa Itu Image Processing,” 2019. https://www.immersa-lab.com/2018/03/apa-itu-image-processing.html (accessed Jul. 13, 2023).

I. M. A. Swantika, B. Kanata, and I. M. B. Suksmadana, “Perancangan Sistem Untuk Mengetahui Kualitas Biji Kopi Berdasarkan Warna Dengan K-Nearest Neighbor,” J. Bakti Nusa, vol. 1, no. 2, pp. 25–36, 2020.

Z. Zulfachmi, A. F. Syahputra, B. Indra Prasetyo, and A. Elsa Shafira, “Klasifikasi Tingkat Dehidrasi Berdasarkan Warna Urin Menggunakan Metode KNN,” J. Bangkit Indones., vol. 12, no. 1, pp. 43–48, 2023, doi: 10.52771/bangkitindonesia.v12i1.228.

D. Iskandar Mulyana, A. Bustomi Zuhari, and M. Betty Yel, “Klasifikasi Citra Burung Jalak Bali Dengan Menggunakan Algoritma K-Nearest Neighbor (KNN),” J. Tek. Elektro dan Komputasi, vol. 5, pp. 57–67, 2023.

I. E. Hasym and I. Susilawati, “KONSTELASI: Konvergensi Teknologi dan Sistem Informasi Klasifikasi Jenis Ikan Cupang Menggunakan Algoritma Principal Component Analysis (PCA) Dan K-Nearest Neighbors (KNN),” pp. 168–179.

Sandri, G. A. . Pongdatu, and J. Rusman, “Klasifikasi Penyakit Pada Tanaman Kopi Arabika Menggunakan Metode K-Nearest Neighbor (Knn) Berbasis Citra,” STMIK Indones. Padang, vol. 8, no. 2, p. 121, 2019, [Online]. Available: ijcs.stmikindonesia.ac.id

M. Isnaini and M. S. Dewy, “Pemanfaatan Matlab Simulink Sebagai Media Pembelajaran Praktikum Secara Daring,” J. Teknol. Inf. Komun. Dalam Pendidik., vol. 8, no. 2, p. 169, 2021, doi: 10.24114/jtikp.v8i2.31386.

L. Indriyani, W. Susanto, and D. Riana, “Aplikasi Matlab Pada Pengukuran Diameter Buah Jeruk Keprok,” IJCIT (Indonesian J. Comput. Inf. Technol., vol. 2, no. 1, pp. 46–52, 2017.

K. S. Ferdiana, R. E. Pawening, and R. Dijaya, “Otomatisasi klasifikasi kematangan buah mengkudu berdasarkan warna dan tekstur,” J. Ilm. Teknol. Sist. Inf., vol. 3, no. 1, pp. 17–23, 2017.

M. K. Neighhbor and S. Aprilisa, “Klasifikasi Tingkat Kematangan Buah Tomat Berdasarkan Fitur Warna,” Pros. Annu. Res. Semin. 2019, vol. 5, no. 1, pp. 978–979, 2019.