Klasifikasi Jenis Pisang Menggunakan Metode K-Nearest Neighbor (KNN)

Cut Putri Iklima, Muhammad Nasir, Hari Toha Hidayat

Sari


Pisang merupakan salah satu buah yang sering dikonsumsi oleh masyarakat umum. Salah satu permasalahan saat ini para petani pisang masih menggunakan kemampuan manual untuk mengklasifikasikan hasil panen yang begitu banyak. Penelitian ini dilakukan untuk mengklasifikasikan pisang ke dalam kelas-kelas berdasarkan jenis sehingga mempermudah dalam mengklasifikasikan pisang yang dapat membantu para petani pisang. Metode yang digunakan adalah gray level co-occurrence matrices untuk ekstraksi ciri, sedangkan untuk menentukan kedekatan antara citra uji dengan citra latih menggunakan metode knearest neighbor berdasarkan tekstur jenispisang yang diperoleh. Fitur-fitur Etraksi dicari menggunakan metode GLCM berdasarkan sudut 0°, 45°, 90° dan 135°. Dari hasil penelitian yang menggunakan 50 citra pisang dengan 10 kelas yaitu Pisang Mas, Pisang Barangan, Pisang Merah, Pisang Susu, Pisang Tanduk, Pisang Kepok, Pisang Batu, Pisang Awak, Pisang Raja, Pisang Ambon .Dalampenelitianini di perolehtigkatkeakuratansisteminiyaitu80 %.

Teks Lengkap:

PDF

Referensi


Leidiyana, Henny (2013). “Penerapan Algoritma K-Nearest Neighbor Untuk Penentuan Resiko Kredit Kepemilikan Kendaraan Bermotor”.

Chaniago, Dendy (2011). “Klasifikasi Buah Pisang Berdasarkan Jenis dan Kematangan Berbasis Pengolahan Citra dengan Camera Digital”.

Munir, Rinaldi. Pengolahan Citra Digital. Cet.ke-1. Bandung : Informatika, 2004.

Nouvel, Ahmad (2015). “Klasifikasi Kendaraan Roda Empat Berbasis KNN”.

Budiyono, Asri, Permadi. Nerfita Nikentari, ST., M.Cs. dan Sulfikar Sallu, S.Kom. “Analisa Klasifikasi Kadar Emas Menggunkan Metode K-Nearest Neighbor (K-NN),” hal 2-9.


Refbacks

  • Saat ini tidak ada refbacks.


Jurnal Teknologi Rekayasa Informasi dan Komputer - Politeknik Negeri Lhokseumawe is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License 

©2021 All rights reserved | P-ISSN: 2581-2882