Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jurnal Digit : Digital of Information Technology

KLASIFIKASI TINGKAT KEMATANGAN PARIJOTO BERDASARKAN KARAKTERISTIK WARNA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR Syirojuddin, Ahmad Idris; Riadi, Aditya Akbar; Susanto, Arief
Jurnal Digit : Digital of Information Technology Vol 15, No 1 (2025)
Publisher : Universitas Catur Insan Cendekia (CIC) Cirebon

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51920/jd.v15i1.419

Abstract

Klasifikasi tingkat kematangan buah parijoto secara manual masih memiliki keterbatasan, ditandai dengan tingkat akurasi yang rendah dan ketidakkonsistenan hasil, yang pada akhirnya berdampak pada menurunnya kualitas panen. Dalam perkembangan teknologi saat ini, pengolahan citra machine learning seperti K-Nearest Neigbhor (KNN) dapat dijadikan sebagai metode dalam melakukan klasifikasi tingkat kematangan buah. Algoritma KNN mempunyai akurasi yang cukup baik dan model algoritmanya sederhana karena bekerja berdasarkan jarak nilai terdekat dari data training ke data testing. Pada sistem klasifikasi juga memanfaatkan fitur warna citra RGB dan HSV dalam mengkategorikan tingkat kematangan buah parijoto. Dalam proses klasifikasi, tingkat kematangan parijoto akan dibagi ke dalam tiga kategori yang berbeda, yaitu parijoto mentah, setengah matang, dan matang. Dataset yang diambil dalam penelitian ini berjumlah 25 data parijoto mentah, 25 data parijoto setengah matang, dan 25 parijoto matang. Setiap gambar diambil dari berbagai sudut dengan jumlah 4 gambar jadi data perkategori kelas sebanyak 100 data set dan total keseluruhan ada 300 gambar parijoto. Penelitian ini menghasilkan sebuah sistem klasifikasi berbasis web yang diimplementasikan menggunakan framework Flask Python. Evaluasi performa algoritma dilakukan melalui confusion matrix dan menghasilkan akurasi sebesar 82%. Penelitian ini berpotensi menjadi dasar untuk pengembangan teknologi klasifikasi tingkat kematangan buah yang lebih optimal di masa mendatang. Kata kunci: : KNN, Parijoto, HSV, Klasifikasi.
Co-Authors Aditya Akbar Riadi Agung Subagyo Agung Subagyo, Agung Ahmad Kharis Ahmad Lutfi Hakim Alifiana, Mia Ajeng Aminatus Syarifah Anastasya Latubessy Andi Azhari Andrianto - Andrianto - Apriliyanti, Nurul Falah Ariqi, Hafizh Lukman Asri, Vikha Indira Azhari, Andi Bakhar, Muhamad Budi Cahyo Wibowo Chandra, Fitria Choirozaq, Ahmad Didi Susilo Budi Utomo Dwimaelani, Riska Eko Nur Wahyudi Evanita Evanita, Evanita Fadhilah, Norma Fernanda Hendra Priyono Hanun Dhiya Reswara, Rasyida Hera Setiawan Herny Februariyanti Herny Februariyanti Hitten, Akhmad Holyness Nurdin Singadimedja Imam Syafaat Imran, Darma Kharis, Ahmad Khoirul Anam, Raikhan Kirana, Dinar Mersasi Maharani, Kartika Miftha Ainul Chamida Mohammad Dahlan, Mohammad Muhamad Eko Muhammad Afandi Muhammad Afandi Muhammad Dahlan Muhammad Hadi Noor Seto, Muhammad Hadi Muhammad Imam Ghozali Muhammad Malik Hakim, Muhammad Malik Muhammad Noor Fais Muhammad Noor Fais Murniawati, Mita Nafi’ Inayati Zahro Ningrum, Diah Ayu Cahya Nofiadi, Selamet Nofiadi, Selamet Pegianti, Nanda` Ratih Nindyasari Remana Sitinjak, Monalisa Remo Prabowo Remo Prabowo, Remo Rihartanto Rihartanto Rihartanto Rihartanto RISMIYATI RISMIYATI Riwanti Estiasari Riyadi, Aditya Akbar Rizal, Ansar Rizky Sari Meimaharani Sari, Fadia Karlika Sokhibi, Akh Solekhan Solekhan Sugeng Slamet Sugiarto, Elmalia Risma Putri Sugiyamto Sugiyamto, Sugiyamto Syirojuddin, Ahmad Idris Tri Listyorini Tutik Khotimah Wardatul Khafidhah Wibisono, Wahyu Bagus Wulandari, Gilang Ayu Yenni Arnas Zulham Hidayat