Klasifikasi Tingkat Kematangan Buah Berdasarkan Warna dan Tekstur Menggunakan Metode K-Nearest Neighbor dan Nearest Mena Classifier

Irwan Siswanto, Ema Utami, Suwanto Raharjo

Abstract


Buah apel merupakan tanaman yang biasa tumbuh di iklim sub tropis, berdasarkan data yang dirilis oleh direktorat jenderal holtikultura kementrian pertanian tahun 2015, produk pertanian apel memiliki kontribusi yang cukup tinggi di tahun 2014. Hal ini ditunjukan bahwa buah apel di pulau Jawa telah diproduksi sebanyak 242.763 ton dari 249.915 ton produksi di Indonesia. Salah satu jenis apel yaitu apel manalagi, memiliki ciri yang berbeda dari apel-apel lainnya yaitu terdapat pada tingkat warna kematangan buah tersebut. dibutuhkan suatu teknologi yang dapat menentukan nilai tingkat akurasi dari pengklasifikasian kematangan buah apel manalagi sehingga memperoleh nilai yang konsisten. Teknologi saat ini memungkinkan untuk melakukan klasifikasi citra digital, Dan berdasarkan beberapa kelas berdasarkan mutu dan perlu dilakukan penelitian ini untuk mengimplementasikan dan menguji akurasi dari metode K-Nearest Neighbor (KNN) dan Nearest Mean Classifier (NMC) untuk klasifikasi tingkat kematangan buah apel berdasarkan karakteristik bentuk dan warna buah dengan harapan nilai akurasi metode NMC lebih dari 87% sehingga dapat membuktikan bahwa metode tersebut lebih unggul daripada metode KNN berdasarkan penelitian sebelumnya.

Berdasarkan hasil pengujian diatas dapat diketahui Algoritma K-Nearest Neighbor dapat melakukan klasifikasi tingkat kematangan buah apel manalagi dengan tingkat nilai akurasi paling tinggi adalah dengan menggunakan fitur warna saja dan  kombinasi fitur warna dan tekstur dengan masing-masing menggunakan 1-NN yang menghasilkan persentase kebenaran 73 persen. Hasil pengujian Akurasi yang diperoleh secara global menggunakan Nearest mean  classifier menghasilkan tingkat akurasi sebanyak 70 persen.

 


Keywords


klasifikasi, apel manalagi, k-nearest neighbor, nearest mean classifier, fitur visual

Full Text:

PDF

References


Andono, P. N., Sutojo, T., & Muljono. (2017). Pengolahan Citra Digital.

Yogyakarta: Andi.

Hakim, L. (2015). Rempah & Herba. Yogyakarta: Diandra Creative.

Hambali, E., Fatmawati, & Permanik, R. (2005). Membuat Aneka Bumbu Instan Kering. Jakarta: Penebar Swadaya

Putra, D. (2010). Pengolahan Citra Digital. Yogyakarta: Andi.

Abdullah, Usman, & Efendi, M. (2017). Sistem Klasifikasi Kualitas Kopra Berdasarkan Warna Dan Tekstur Menggunakan Metode Nearest Mean Classifier (NMC). Jurnal Teknologi Informasi dan Ilmu Komputer, 297303

Manik, F. Y., & Saragih, K. S. (2017). Klasifikasi Belimbing Menggunakan Naïve Bayes Berdasarkan Fitur Warna RGB. JCCS, 99-108.

Yanuar Putu Wiharja Agus Harjoko( 2014). Pemrosesan Citra Digital untuk Klasifikasi Mutu Buah Pisang Menggunakan Jaringan Saraf Tiruan

Selvia Ferdiana Kusuma, Ratri Enggar Pawening, dan Rohman Dijaya.Otomatisasi klasifikasi kematangan buah mengkudu berdasarkan warna dan tekstur.Jurnal Ilmiah Teknologi Sistem Informasi, Januari 2017, Volume 3, Nomor 1

Fuzy Yustika Manik, Kana Saputra Saragih,Klasifikasi Belimbing Menggunakan Naïve Bayes Berdasarkan Fitur Warna RGB IJCCS 2017

Abdullah, Usman, M. Efendi,Sistem Klasifikasi Kualitas Kopra Berdasarkan Warna Dan Tekstur Menggunakan Metode Nearest Mean Classifier (NMC) Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), 2017

Elvia Budianita, Jasril, danLestari Handayani. Implementasi Pengolahan Citra dan Klasifikasi K-Nearest Neighbour Untuk Membangun Aplikasi Pembeda Daging Sapi dan BabiJurnal Sains, Teknologi dan Industri, Vol. 12, No. 2, Juni 2015

Ratih Kartika Dewi dan Nanik Suciati.Klasifikasi Tanaman berdasarkan Fitur Bentuk dan Tekstur pada Daun menggunakan Decision TreeJurnal Cybermatika | Vol. 3 No. 2 | Desember 2015


DOI http://dx.doi.org/10.35585/inspir.v10i1.2559
Abstract 108 kali dilihat
PDF 28 kali diunduh

Refbacks

  • There are currently no refbacks.



Lisensi Creative Commons
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial-BerbagiSerupa 4.0 Internasional.