Klasifikasi Kualitas Jeruk Lokal Berdasarkan Tekstur dan Bentuk Menggunakan Metode K-Nearest Neighbor (K-NN)
AbstractJeruk merupakan salah satu tanaman jenis buah – buahan yang banyak digemari oleh masyarakat, dikarenakan buah jeruk mengandung banyak vitamin C, vitamin B6, Antioksidan dan serat, tingkat komsumsi dan harga yang tinggi banyak dimanfaatkan penjual jeruk untuk berbuat yang tidak seharusnya. Hal ini terjadi karena kurangnya pengetahuan pembeli dalam membedakan jeruk baik dan buruk, Salah satu cara untuk mengenali jeruk baik dan buruk dibidang informatika adalah menggunakan pengolahan citra. Tujuan penelitian ini adalah mengklasifikasi jeruk lokal berdasarkan bentuk dan teksturnya, Adapun metode yang digunakan yaitu metode GLCM (gray level co – occurance matrices) dengan fitur energy, Correlation, Contrast, Homogeneity untuk ekstrasi ciri tekstur dan metode geometri untuk ektrasi ciri bentuk dengan fitur Eccentricity dan matric. Sedangkan untuk menentukan kedekatan antara citra uji dengan citra latih menggunakan metode k – Nearest Neigbhor berdasarkan fitur tekstur dan bentuk yang diperoleh. Fitur fitur tekstur dicari dengan berdasarkan sudut 0°, 45°, 90°, 135°, dan Fitur – fitur bentuk dicari berdasarkan Luas dan Keliling Objek, nilai k yang digunakan dalam penelitian ini adalah 1 sampai 5, yang menghasilkan tingkat akurasi tertinggi pada uji k1 sebesar 93,33% dan akurasi terendah sebesar 86,20% pada uji k7 dan k8. |
Keywords
Full Text:
References
Agustin. (2011). Klasifikasi jenis pohon mangga gadung dan curut berdasarkan tekstur daun . Jurnal Elektronik, Volume 3, Nomor 2, 1-13.
Helmi. (2013). Algoritma k-Nearest Neighbor Dalam Klasifikasi Data Hasil Produksi Kelapa Sawit Pada PT.Minamas Kecamatan Parindu. Jurnal Ilmiah,Volume 02, Nomor 1, 1-6.
Irnanda, A. R., & Candra, F. (2018). Klasifikasi Jenis Mangga Berdasarkan Fitur Bentuk Dan Warna Dengan Menggunakan Metode k-Nearest Neighbor (k-NN). Jurnal Informatika, Volume 5, Nomor 2, 1-10.
Irnanda, A. R., & Candra, F. (2018). Klasifikasi Jenis Mangga Berdasarkan Fitur Bentuk Dan Warna Dengan Menggunakan Metode k-Nearest Neighbor (k-NN). Jurnal Buana Informatika,Volume 5, Nomor 2, 1-10.
Ndaumanu, Arief, & Kusrini. (2014). Analisis Prediksi tingkat Pengunduran Diri Mahasiswa dengan Metode K-Nearest Neighbor. Jurnal Informatika Volume 1, Nomor 1, 1-15.
Pawening. (2016). Klasifikasi jenis mangga berdasarkan bentuk dan tekstur daun menggunakan metode kNN. Jurnal Elektronik, Volume 3, Nomor 2, 1-13.
Prabowo, H. (2017). Deteksi Kondisi Kematangan Buah Jeruk Berdasarkan Kemiripan Warna Pada Ruang RGB Berbasis Android. Jurnal Elektronik, Volume 3, Nomor 2, 1-13.
Widodo. (2018). Pemanfaatan Ciri Gray Level Co-Occurrence Matrikx (GLCM) Citra Buah Jeruk Keprok (Citrus reticulata Blanco) Untuk Klasifikasi Mutu. Jurnal Teknologi informasi Volume 2, Nomor 11, 1-8.
10.33650/coreai.v1i1.1640 |
Refbacks
- There are currently no refbacks.
Copyright (c) 2020 Ratri Enggar Pawening, Wali Ja'far Shudiq, Wahyuni Wahyuni
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi
Published by Technic Faculty of Nurul Jadid University, Probolinggo, East Java, Indonesia.