UDiNus Repository

ANALISIS KINERJA K-NEAREST NEIGHBOR UNTUK KLASIFIKASI TINGKAT KEMATANGAN JERUK NIPIS BERDASARKAN FITUR WARNA

SRI, PURWANTI YUNI (2017) ANALISIS KINERJA K-NEAREST NEIGHBOR UNTUK KLASIFIKASI TINGKAT KEMATANGAN JERUK NIPIS BERDASARKAN FITUR WARNA. Skripsi,Fakultas Ilmu Komputer.

[img]
Preview
PDF
Download (4027b) | Preview

    Abstract

    Warna merupakan atribut utama yang menjadi indikator penting dalam menentukan tingkat kematangan buah. Penilaian petani yang bersifat subyektif dan tidak konsisten membuat hasil penilaian yang berbeda antara satu penilaian dengan penilaian lainnya sehingga tingkat akurasi menjadi rendah. Dalam peningkatan akurasi pemilihan kematangan jeruk nipis diterapkan metode K-Nearest Neighbor untuk mengetahui kinerja dan prosentase akurasi metode K-Nearest Neighbor dalam klasifikasi tingkat kematangan jeruk nipis berdasarkan fitur warna. Proses klasifikasi menggunakan 75 data citra jeruk nipis yang dibagi menjadi 50 data training dan 25 data testing yang masing-masing data citra memiliki ukuran 128x128 piksel, 256x256 piksel, dan 512x512 piksel. Citra jeruk nipis diproses dengan Ektraksi Citra menggunakan mean RGB untuk inputan proses klasifikasi dengan pencarian jarak Euclidean Distance dan Cityblock Distance. Dalam penelitian ini, nilai k yang digunakan adalah k= 1, 3, 5, 7, dan 9. Hasil prosentase akurasi terbaik dalam klasifikasi tingkat kematangan jeruk nipis berdasarkan fitur warna, saat menggunakan pencarian jarak Euclidean Distance dengan nilai k=3 dan k=7 sebesar 92%. Sedangkan menggunakan Cityblock Distance dengan k=1 dan k=3 sebesar 88%. Hasil prosentase akurasi tersebut menunjukkan nilai k terbaik adalah k=3.

    Item Type: Article
    Subjects: T Technology > Teknik Informatika
    Universitas Dian Nuswantoro > Fakultas Ilmu Komputer > Teknik Informatika
    Divisions: Fakultas Ilmu Komputer
    Depositing User: Psi Udinus
    Date Deposited: 04 May 2017 16:01
    Last Modified: 04 May 2017 16:01
    URI: http://eprints.dinus.ac.id/id/eprint/22265

    Actions (login required)

    View Item