FUZZY K-NEAREST NEIGHBOR PADA KLASIFIKASI KEMATANGAN CABAI BERDASARKAN FITUR HSV CITRA
<p class="Text"><em><span>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. Me...
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | Indonesian |
| Published: |
STKIP PGRI Tulungagung
2018-12-01
|
| Series: | JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) |
| Online Access: | http://jurnal.stkippgritulungagung.ac.id/index.php/jipi/article/view/851 |
| _version_ | 1828520556280938496 |
|---|---|
| author | Febri Liantoni Fitri Nur Annisa |
| author_facet | Febri Liantoni Fitri Nur Annisa |
| author_sort | Febri Liantoni |
| collection | DOAJ |
| description | <p class="Text"><em><span>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%.</span></em></p> |
| first_indexed | 2024-12-11T19:33:13Z |
| format | Article |
| id | doaj.art-b921b51f6d6c429da83e464c96cae95e |
| institution | Directory Open Access Journal |
| issn | 2540-8984 |
| language | Indonesian |
| last_indexed | 2024-12-11T19:33:13Z |
| publishDate | 2018-12-01 |
| publisher | STKIP PGRI Tulungagung |
| record_format | Article |
| series | JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) |
| spelling | doaj.art-b921b51f6d6c429da83e464c96cae95e2022-12-22T00:53:13ZindSTKIP PGRI TulungagungJIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika)2540-89842018-12-013210.29100/jipi.v3i2.851384FUZZY K-NEAREST NEIGHBOR PADA KLASIFIKASI KEMATANGAN CABAI BERDASARKAN FITUR HSV CITRAFebri Liantoni0Fitri Nur Annisa1Institut Teknologi Adhi Tama SurabayaInstitut Teknologi Adhi Tama Surabaya<p class="Text"><em><span>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%.</span></em></p>http://jurnal.stkippgritulungagung.ac.id/index.php/jipi/article/view/851 |
| spellingShingle | Febri Liantoni Fitri Nur Annisa FUZZY K-NEAREST NEIGHBOR PADA KLASIFIKASI KEMATANGAN CABAI BERDASARKAN FITUR HSV CITRA JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) |
| title | FUZZY K-NEAREST NEIGHBOR PADA KLASIFIKASI KEMATANGAN CABAI BERDASARKAN FITUR HSV CITRA |
| title_full | FUZZY K-NEAREST NEIGHBOR PADA KLASIFIKASI KEMATANGAN CABAI BERDASARKAN FITUR HSV CITRA |
| title_fullStr | FUZZY K-NEAREST NEIGHBOR PADA KLASIFIKASI KEMATANGAN CABAI BERDASARKAN FITUR HSV CITRA |
| title_full_unstemmed | FUZZY K-NEAREST NEIGHBOR PADA KLASIFIKASI KEMATANGAN CABAI BERDASARKAN FITUR HSV CITRA |
| title_short | FUZZY K-NEAREST NEIGHBOR PADA KLASIFIKASI KEMATANGAN CABAI BERDASARKAN FITUR HSV CITRA |
| title_sort | fuzzy k nearest neighbor pada klasifikasi kematangan cabai berdasarkan fitur hsv citra |
| url | http://jurnal.stkippgritulungagung.ac.id/index.php/jipi/article/view/851 |
| work_keys_str_mv | AT febriliantoni fuzzyknearestneighborpadaklasifikasikematangancabaiberdasarkanfiturhsvcitra AT fitrinurannisa fuzzyknearestneighborpadaklasifikasikematangancabaiberdasarkanfiturhsvcitra |