Klasifikasi Kualitas Pisang Ambon Menggunakan Metode K-Nearest Neighbor

Authors

DOI:

https://doi.org/10.12928/jstie.v10i2.22390

Keywords:

Pisang, KNN, HSV, RGB, Citra

Abstract

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 K-Nearest Neighbor 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 interface, pengolahan data, perancangan sistem, implementasi, pengujian, dan analisis hasil penelitian. Tahapan dalam penentu tingkat kualitas pisang ambon meliputi input citra buah pisang ambon, cropping 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 Confusion matrix. 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%.

Author Biography

Gading Surya Lesmana, Universitas Ahmad Dahlan

Student in Ahmad Dahlan University

References

D. Yulianto, R. N. Whidhiasih, and M. Maimunah, “Klasifikasi Tahap Kematangan Pisang Ambon Berdasarkan Warna Menggunakan Naive Bayes,” PIKSEL Penelit. Ilmu Komput. Sist. Embed. Log., vol. 5, no. 2, pp. 60–67, Feb. 2018, doi: 10.33558/piksel.v5i2.268.

Edizal, “Standar Mutu Buah Pisang,” Cyber Extension, 2018. http://www.cybex.pertanian.go.id/ artikel/55595/standar-mutu-buah-pisang/ (accessed Dec. 01, 2021).

Y. P. Wiharja and A. Harjoko, “Pemrosesan Citra Digital untuk Klasifikasi Mutu Buah Pisang Menggunakan Jaringan Saraf Tiruan,” Indones. J. Electron. Instrumentations Syst., vol. 4, no. 1, pp. 57–68, 2014, doi: 10.22146/ijeis.4222.

C. Rahmad, M. Astiningrum, and N. B. Purnomo, “Identifikasi Dan Prediksi Tingkat Kematangan Pisang Candi Dengan Fitur Warna Dan Tekstur Menggunakan Metode K-Nearest Neighbor,” in Seminar Informatika Aplikatif 2019, 2019, pp. 188–193.

S. Prabawat, S. Suyanti, and D. A. Setyabudi, Teknologi Pascapanen dan Teknik Pengolahan Buah Pisang, 1st ed. Bogor: Badan Penelitian dan Pengembangan Pertanian, 2008.

M. F. Ajizi, D. Syauqy, and M. H. H. Ichsan, “Klasifikasi Kematangan Buah Pisang Berbasis Sensor Warna Dan Sensor Load Cell Menggunakan Metode Naive Bayes,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 3, no. 3, pp. 2472–2479, 2019.

M. Muhathir and M. H. Santoso, “Analysis Naïve Bayes In Classifying Fruit by Utilizing Hog Feature Extraction,” J. INFORMATICS Telecommun. Eng., vol. 4, no. 1, pp. 151–160, Jul. 2020, doi: 10.31289/jite.v4i1.3860.

I. Najiyah and I. Hariyanti, “Deteksi Jenis dan Kematangan Pisang Menggunakan Metode Extreme Learning Machine,” J. Responsif Ris. Sains dan Inform., vol. 2, no. 2, pp. 232–242, Aug. 2020, doi: 10.51977/jti.v2i2.315.

J. Jusrawati, A. Futri, and A. B. Kaswar, “Klasifikasi Tingkat Kematangan Buah Pisang Dalam Ruang Warna RGB Menggunakan Jaringan Syaraf Tiruan,” J. Embed. Syst. Secur. Intellignet Syst., vol. 2, no. 1, pp. 49–54, 2021.

A. D. Putro and A. Hermawan, “Pengaruh Cahaya dan Kualitas Citra dalam Klasifikasi Kematangan Pisang Cavendish Berdasarkan Ciri Warna Menggunakan Artificial Neural Network,” MATRIK J. Manajemen, Tek. Inform. dan Rekayasa Komput., vol. 21, no. 1, pp. 215–228, Nov. 2021, doi: 10.30812/matrik.v21i1.1396.

Downloads

Published

30-06-2022

Issue

Vol. 10 No. 2 (2022): Juni

Section

Articles

License

License and Copyright Agreement

In submitting the manuscript to the journal, the authors certify that:

  1. They are authorized by their co-authors to enter into these arrangements.
  2. The work described has not been formally published before, except in the form of an abstract or as part of a published lecture, review, thesis, or overlay journal. Please also carefully read Journal Posting Your Article Policy.
  3. The work is not under consideration for publication elsewhere.
  4. The work has been approved by all the author(s) and by the responsible authorities – tacitly or explicitly – of the institutes where the work has been carried out.
  5. They secure the right to reproduce any material that has already been published or copyrighted elsewhere.
  6. They agree to the following license and copyright agreement.


Copyright

Authors who publish with Jurnal Sarjana Teknik Informatika agree to the following terms:

  1. Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License (CC BY-SA 4.0) that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
  2. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
  3. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.