PENERAPAN ALGORITMA K-NEAREST NEIGHBOR UNTUK KLASIFIKASI TINGKAT KEMATANGAN BUAH PISANG MULI BERDASARKAN RUANG WARNA RED GREEN BLUE

JONERI, RACHMAN (2017) PENERAPAN ALGORITMA K-NEAREST NEIGHBOR UNTUK KLASIFIKASI TINGKAT KEMATANGAN BUAH PISANG MULI BERDASARKAN RUANG WARNA RED GREEN BLUE. Skripsi,Fakultas Ilmu Komputer.

Preview

PDF Download (4052b) | Preview

Abstract

Buah Pisang Muli (Musa Acuminata) merupakan salah satu jenis pisang yang banyak tumbuh di Indonesia. Untuk membedakan tingkat kematangannya dapat dilakukan dengan cara melihat perubahan warna kulit pada buah tersebut secara visual. Namun tingkat konsistensi pada mata manusia seringkali mengalami penurunan akibat berbagai faktor, misalnya faktor usia dan faktor kelelahan sehingga penglihatan menurun. Maka dari itu mata manusia tidak bisa dijadikan sebagai acuan dalam menentukan tingkat kematangan buah Pisang Muli secara akurat. Oleh karena itu dibutuhkan cara dan metode yang tepat agar manusia dapat dengan mudah menentukan tingkat kematangan pada buah pisang tersebut. Klasifikasi tingkat kematangan buah Pisang Muli ini menggunakan ruang warna Red Green Blue (RGB) yang diproses menggunakan algoritma K-Nearest Neighbor (K-NN) dan Euclidean Distance sebagai parameternya. Pada penelitian ini pencarian jarak Euclidean Distance menggunakan k = 1, 3, 5, 7 dan 9. Akurasi yang didapatkan dari hasil klasifikasi tingkat kematangan buah Pisang Muli, dengan menggunakan k=1 sebesar 80%, k=3 sebesar 70%, k=5 sebesar 40%, k=7 sebesar 50%, dan k=9 sebesar 50%. Berdasarkan hal tersebut maka dapat disimpulkan bahwa akurasi terbaik yang didapatkan dalam klasifikasi tingkat kematangan buah Pisang Muli adalah k=1

Actions (login required)