Klasifikasi Kualitas Pisang Ambon Menggunakan Metode K-Nearest Neighbor
<span lang="EN-US">Pisang merupakan jenis buah-buahan yang banyak ditemukan di Indonesia. Pengklasifikasian kematangan buah pisang menggunakan cara nondestruktif dilakukandengan melihat warna dan tekstur kulit pisang yang merupakan komponen eksternal dari buah pisang tanpa harus memb...
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | Indonesian |
| Published: |
Universitas Ahmad Dahlan
2022-06-01
|
| Series: | Jurnal Sarjana Teknik Informatika |
| Subjects: | |
| Online Access: | http://journal.uad.ac.id/index.php/JSTIF/article/view/22390 |
| _version_ | 1797963243952537600 |
|---|---|
| author | Gading Surya Lesmana Murinto Kusno |
| author_facet | Gading Surya Lesmana Murinto Kusno |
| author_sort | Gading Surya Lesmana |
| collection | DOAJ |
| description | <span lang="EN-US">Pisang merupakan jenis buah-buahan yang banyak ditemukan di Indonesia. Pengklasifikasian kematangan buah pisang menggunakan cara nondestruktif dilakukandengan melihat warna dan tekstur kulit pisang yang merupakan komponen eksternal dari buah pisang tanpa harus membuka atau mencicipi daging dan membuat kondisi buah tetap utuh. Penelitian ini melakukan klasifikasi kualitas Pisang Ambon menggunakan metode <em>K-Nearest Neighbor</em> yang dapat membantu dalam mengembangkan sistem klasifikasi pengenalan kualitas tanpa harus menghancurkan buah pisang tersebut. Penelitian ini terdapat dua tahap, yaitu pengembangan sistem dan penentuan kualitas buah Pisang Ambon. Tahap pengembangan sistem meliputi perancangan <em>interface</em>, pengolahan data, perancangan sistem, implementasi, pengujian, dan analisis hasil penelitian. Tahapan dalam penentu tingkat kualitas pisang ambon meliputi <em>input</em> citra buah pisang ambon, <em>cropping</em> citra, menghitung nilai RGB, mengkonversi nilai RGB ke HSV, mengkoversi HSV ke histogram dan menentukan kualitas buah Pisang Ambon berdasarkan empat klasifikasi, yaitu klasifiasi sangat baik, baik, sedang, dan buruk menggunakan metode K-NN dan metode akurasi menggunakan <em>Confusion matrix</em>. Berdasarkan hasil pengujian dengan 40 data citra yang terdiri dari 10 citra Pisang Ambon berkualitas sangat baik, 10 citra pisang ambon berkuaitas baik, 10 citra pisang ambon berkualitas sedang, dan 10 citra pisang ambon berkualitas buruk yang diklasifikasikan menggunakan metode K-NN menghasilkan akurasi sebesar 70,0%.</span> |
| first_indexed | 2024-04-11T01:25:16Z |
| format | Article |
| id | doaj.art-be633e89cc9e43ffa8884b85a1a7e18b |
| institution | Directory Open Access Journal |
| issn | 2338-5197 |
| language | Indonesian |
| last_indexed | 2024-04-11T01:25:16Z |
| publishDate | 2022-06-01 |
| publisher | Universitas Ahmad Dahlan |
| record_format | Article |
| series | Jurnal Sarjana Teknik Informatika |
| spelling | doaj.art-be633e89cc9e43ffa8884b85a1a7e18b2023-01-03T10:24:11ZindUniversitas Ahmad DahlanJurnal Sarjana Teknik Informatika2338-51972022-06-0110211011910.12928/jstie.v10i2.223909036Klasifikasi Kualitas Pisang Ambon Menggunakan Metode K-Nearest NeighborGading Surya Lesmana0Murinto Kusno1Universitas Ahmad DahlanUniversitas Ahmad Dahlan<span lang="EN-US">Pisang merupakan jenis buah-buahan yang banyak ditemukan di Indonesia. Pengklasifikasian kematangan buah pisang menggunakan cara nondestruktif dilakukandengan melihat warna dan tekstur kulit pisang yang merupakan komponen eksternal dari buah pisang tanpa harus membuka atau mencicipi daging dan membuat kondisi buah tetap utuh. Penelitian ini melakukan klasifikasi kualitas Pisang Ambon menggunakan metode <em>K-Nearest Neighbor</em> yang dapat membantu dalam mengembangkan sistem klasifikasi pengenalan kualitas tanpa harus menghancurkan buah pisang tersebut. Penelitian ini terdapat dua tahap, yaitu pengembangan sistem dan penentuan kualitas buah Pisang Ambon. Tahap pengembangan sistem meliputi perancangan <em>interface</em>, pengolahan data, perancangan sistem, implementasi, pengujian, dan analisis hasil penelitian. Tahapan dalam penentu tingkat kualitas pisang ambon meliputi <em>input</em> citra buah pisang ambon, <em>cropping</em> citra, menghitung nilai RGB, mengkonversi nilai RGB ke HSV, mengkoversi HSV ke histogram dan menentukan kualitas buah Pisang Ambon berdasarkan empat klasifikasi, yaitu klasifiasi sangat baik, baik, sedang, dan buruk menggunakan metode K-NN dan metode akurasi menggunakan <em>Confusion matrix</em>. Berdasarkan hasil pengujian dengan 40 data citra yang terdiri dari 10 citra Pisang Ambon berkualitas sangat baik, 10 citra pisang ambon berkuaitas baik, 10 citra pisang ambon berkualitas sedang, dan 10 citra pisang ambon berkualitas buruk yang diklasifikasikan menggunakan metode K-NN menghasilkan akurasi sebesar 70,0%.</span>http://journal.uad.ac.id/index.php/JSTIF/article/view/22390pisangknnhsvrgbcitra |
| spellingShingle | Gading Surya Lesmana Murinto Kusno Klasifikasi Kualitas Pisang Ambon Menggunakan Metode K-Nearest Neighbor Jurnal Sarjana Teknik Informatika pisang knn hsv rgb citra |
| title | Klasifikasi Kualitas Pisang Ambon Menggunakan Metode K-Nearest Neighbor |
| title_full | Klasifikasi Kualitas Pisang Ambon Menggunakan Metode K-Nearest Neighbor |
| title_fullStr | Klasifikasi Kualitas Pisang Ambon Menggunakan Metode K-Nearest Neighbor |
| title_full_unstemmed | Klasifikasi Kualitas Pisang Ambon Menggunakan Metode K-Nearest Neighbor |
| title_short | Klasifikasi Kualitas Pisang Ambon Menggunakan Metode K-Nearest Neighbor |
| title_sort | klasifikasi kualitas pisang ambon menggunakan metode k nearest neighbor |
| topic | pisang knn hsv rgb citra |
| url | http://journal.uad.ac.id/index.php/JSTIF/article/view/22390 |
| work_keys_str_mv | AT gadingsuryalesmana klasifikasikualitaspisangambonmenggunakanmetodeknearestneighbor AT murintokusno klasifikasikualitaspisangambonmenggunakanmetodeknearestneighbor |