Klasifikasi Kematangan Citra Labu Siam Menggunakan Metode KNN (K-Nearest Neighbor) Dengan Ekstraksi Fitur HSV (Hue, Saturation, Value)


Andi Nurul Dzulhijjah(1*); Siska Anraeni(2); Sugiarti Sugiarti(3);

(1) Universitas Muslim Indonesia
(2) Universitas Muslim Indonesia
(3) Universitas Muslim Indonesia
(*) Corresponding Author

  

Abstract


Labu siam merupakan salah satu jenis sayur yang murah dan mudah didapat, buahnya ada yang berwarna hijau muda dan hijau kekuning- kuningan. Penelitian ini menggunakan 100 dataset citra dan dilakukan dengan pengambilan foto labu siam. Tujuan penelitian ini adalah membangun sebuah sistem untuk mengklasifikasi tingkat kematangan buah labu siam dengan menggunakan metode KNN dan ekstraksi fitur menggunakan metode HSV. Tahap dalam penelitian ini meliputi input citra labu siam yaitu memasukkan gambar labu siam kemudian dilakukan pre-processing yaitu proses konversi citra RGB menjadi grayscale dan Biner yang selanjutnya dilakukan proses ekstraksi fitur HSV. Tahap berikutnya adalah melakukan klasifikasi terhadap objek yang jaraknya paling dekat dengan objek yang diuji menggunakan metode KNN. Hasil dari penelitian berupa sistem yang dapat mendeteksi tingkat kematangan labu siam menggunakan metode KNN. Setelah dilakukan percobaan pertama menggunakan 60 data training dan 40 data testing diperoleh akurasi 85% dan percobaan kedua menggunakan 80 data training dan 20 data testing didapatkan akurasi sebesar 95% pada K=3.

Keywords


K-Nearest Neighbor; HSV (Hue, Saturation, Value); Labu Siam

  
  

Full Text:

PDF
  

Article Metrics

Abstract view: 313 times
PDF view: 69 times
     

Digital Object Identifier

doi  https://doi.org/10.33096/busiti.v2i2.808
  

Cite

References


I. G. Arisudana, A. A. M. Semariyani, I. P. Candra and L. Suriati, "Perbandingan Tepung Ketan dan Labu Siam (Sechium Edule) Terhadap Karakteristik Dodol," Gema Agro, vol. XXIII, no. 1, pp. 34-43, 2018.

S. Ratna, "Pengolahan Citra Digital dan Histogram dengan Phyton dan Text Editor Phycharm," Technologia, vol. XI, no. 3, pp. 181-186, 2020.

I. A. A. Angreni, S. A. Adisasmita, M. Ramli and S. Hamid, "Pengaruh Nilai K Pada Metode K-Nearest Neighbor (KNN) Terhadap Tingkat Akurasi Identifikasi Kerusakan Jalan," Rekayasa Sipil, vol. VII, no. 2, pp. 63-70, 2018.

N. Wijaya and A. Ridwan, "Klasifikasi Jenis Buah Apel Dengan Metode K-Nearest Neighbors," Jurnal SISFOKOM, vol. VIII, no. 1, pp. 74-78, 2019.

D. Rohpandi, A. Sugiharto and G. A. Winara, "Aplikasi Pengolahan Citra Dalam Pengenalan Pola Huruf Ngalagena Menggunakan MATLAB," Konferensi Nasional Sistem & Informatika, pp. 772-777, 2015.

R. Rulaningtyas, A. B. Suksmono, T. L. R. Mengko and G. A. P. Saptawati, "Segmentasi Citra Berwarna dengan Menggunakan Metode Clustering Berbasis Patch untuk Identifikasi Mycobacterium Tuberculosis," Jurnal Biosains Pascasarjana, vol. 17, no. 1, pp. 19-25, 2015.


Refbacks

  • There are currently no refbacks.


Copyright (c) 2021 Buletin Sistem Informasi dan Teknologi Islam (BUSITI)

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.