Implementasi Citra Digital Dalam Klasifikasi Jenis Buah Anggur Dengan Algoritma K-Nearest Neighbors (KNN) Dan Data Augmentasi
Abstract
Buah Anggur merupakan salah satu jenis buah-buahan yang banyak manfaatnya. Manfaat dari buah Anggur ini sangatlah beragam, dari segi kesehatan. Dari banyaknya jenis buah Anggur membuat pecinta buah Anggur kesulitan dalam membedakan jenis berdasarkan bentuk dan warnanya. Tujuan dari penelitian ini yaitu membantu memudahkan pecinta buah Anggur dalam proses klasifikasi. Dalam klasifikasi umumnya ketika masih dipohon dengan melihat warna dari kulit buah Anggur dan dengan memijat tekstur buah Anggur. Namun cara tersebut memiliki hasil yang berbeda karena persepsi setiap orang berbeda-beda. Oleh karena itu, peneliti membuat program yang menghasilkan model klasifikasi jenis buah Anggur yang terprogram dengan metode K-Nearest Neighbor (KNN). Informasi yang digunakan meliputi gambar Anggur Black Panther, Ninel, Transfiguration, Riseling, Julian dan Cotton Candy. Buah Anggur tersebut akan diklasifikasikan berdasarkan warna jenisnya menggunakan algoritma K-Nearest Neighbor (KNN). KNN akan diuji guna melihat bagaimana kinerja KNN dalam proses klasifikasi serta keakuratannya dalam membedakan 6 jenis Anggur. Penelitian ini menggunakan data gambar berformat .Jpeg dan .Png. Hasil klasifikasi dari algoritma ini diperoleh nilai keakuratan sebesar 80,98%.
References
Al Rivan, M. E., & Yohannes, Y. (2019). Klasifikasi Mamalia Berdasarkan Bentuk Wajah Dengan K-NN Menggunakan Fitur CAS Dan HOG. JATISI (Jurnal Teknik Informatika dan Sistem Informasi), 5(2), 169-176. doi: 10.35957/jatisi.v5i2.139.
Ciputra, A., Rachmawanto, E. H., & Susanto, A. (2018). Klasifikasi Tingkat Kematangan Buah Apel Manalagi Dengan Algoritma Naive Bayes Dan Ekstraksi Fitur Citra Digital. Simetris: Jurnal Teknik Mesin, Elektro Dan Ilmu Komputer, 9(1), 465-472.
Hafiez, T. M., Iskandar, D., SK, A. W., & Boangmanalu, R. F. (2022). Optimasi Klasifikasi Gambar Varietas Jenis Tomat Dengan Data Augmentation dan Convolutional Neural Network. Smart Comp: Jurnalnya Orang Pintar Komputer, 11(2), 175-186
Muhammad, D. I., Ermatita, E., & Falih, N. (2021). Penggunaan K-Nearest Neighbor (KNN) untuk Mengklasifikasi Citra Belimbing Berdasarkan Fitur Warna. Informatik: Jurnal Ilmu Komputer, 17(1), 9-16.
Mukhofifah, M., & Nurraharjo, E. (2019). Sistem Deteksi Kematangan Buah Alpukat Menggunakan Metode Pengolahan Citra.
Mulyani, E. D. S., & Susanto, J. P. (2017, August). Classification of maturity level of fuji apple fruit with fuzzy logic method. In 2017 5th International Conference on Cyber and IT Service Management (CITSM) (pp. 1-4). IEEE.
Nana, N., Mulyana, D. I., Akbar, A., & Zikri, M. (2022). Optimasi Klasifikasi Buah Anggur Menggunakan Data Augmentasi dan Convolutional Neural Network. Smart Comp: Jurnalnya Orang Pintar Komputer, 11(2), 148-161.
Pawening, R. E., Shudiq, W. J. F., & Wahyuni, W. (2020). Klasifikasi Kualitas Jeruk Lokal Berdasarkan Tekstur dan Bentuk Menggunakan Metode k-Nearest Neighbor (k-NN). COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi, 1(1), 10-17.
Sholihin, M., & Rohman, M. G. (2018, September). Klasifikasi mutu telur berdasarkan fitur warna dengan menggunakan metode k-nearest neighbor. In Seminar Nasional Sistem Informasi (SENASIF) (Vol. 2, pp. 1188-1193).
Sugiarta, K. A., Cholissodin, I., & Santoso, E. (2020). Optimasi K-Nearest Neighbor Menggunakan Bat Algorithm Untuk Klasifikasi Penyakit Ginjal Kronis. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-ISSN, 2548, 964X.
Syarifah, A., Riadi, A. A., & Susanto, A. (2022). Klasifikasi Tingkat Kematangan Jambu Bol Berbasis Pengolahan Citra Digital Menggunakan Metode K-Nearest Neighbor. JIMP (Jurnal Informatika Merdeka Pasuruan), 7(1).
