Article Per Year (5 Year)
p-Index From 2020 - 2025
1.564
P-Index
This Author published in this journals
All Journal Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI JOISIE (Journal Of Information Systems And Informatics Engineering) Jurnal Pengabdian Masyarakat Indonesia Journal of Artificial Intelligence and Digital Business Jurnal Riset Sistem dan Teknologi Informasi Masyarakat: Jurnal Pengabdian Cahaya Pengabdian Jurnal Pengabdian kepada Masyarakat (PEMAS) Scientific Journal of Engineering Research
Tristanti, Novi
Unknown Affiliation
Religion Humanities Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Public Health Social Sciences Other

Published : 10 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Journal of Artificial Intelligence and Digital Business

 1 
Klasifikasi Citra Buah Menggunakan Algoritma K-Nearest Neighbour (KNN) dan Metode Euclidean Distance Tristanti, Novi; Romadloni, Nova Tri; Sya’bani, Nur Hayati
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 3 (2025): Agustus - October
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i3.3243

Abstract

Pengolahan citra digital merupakan salah satu bidang penting dalam computer vision yang berfokus pada interpretasi citra untuk memperoleh informasi bermakna, khususnya dalam proses identifikasi dan klasifikasi objek berbasis karakteristik visual. Penelitian ini bertujuan mengembangkan sistem klasifikasi otomatis untuk membedakan jenis buah dengan menerapkan algoritma K-Nearest Neighbor (KNN) menggunakan pendekatan Euclidean Distance pada lingkungan MATLAB. Prosedur penelitian dilaksanakan melalui beberapa tahapan utama, meliputi pre-processing, ekstraksi ciri, normalisasi histogram, serta klasifikasi. Pada tahap pre-processing, citra yang menjadi dataset terlebih dahulu dikonversi ke bentuk grayscale, dilanjutkan dengan proses noise reduction dan binarisasi guna meningkatkan kualitas citra serta memperjelas fitur objek. Tahap ekstraksi ciri kemudian dilakukan untuk memperoleh informasi visual yang relevan, sedangkan normalisasi histogram berfungsi menstandarkan distribusi intensitas piksel agar proses klasifikasi menjadi lebih optimal. Hasil pengujian menunjukkan bahwa sistem mampu melakukan pengenalan citra buah dengan tingkat akurasi rata-rata sebesar 93,3%. Capaian ini mengindikasikan bahwa kombinasi metode ekstraksi fitur dengan algoritma KNN cukup efektif dalam mengelompokkan citra berdasarkan kemiripan karakteristik visualnya. Secara praktis, sistem ini berpotensi diterapkan dalam proses sortasi buah secara otomatis pada sektor pertanian maupun industri pengolahan hasil pangan. Meskipun demikian, pengembangan lebih lanjut masih diperlukan, misalnya melalui penambahan variasi dataset, peningkatan kualitas citra, serta penerapan algoritma klasifikasi yang lebih adaptif agar sistem mampu bekerja secara optimal pada kondisi citra yang lebih kompleks dan bervariasi.
Co-Authors Abdul Fadlil Abdul Fadlil Al-Sabur, Raheem Asep Setyaji Dahmani, Abdennasser Dianda Rifaldi Driss, Zied Efendi, Burhan Fanani, Galih Fanani, Galih Pramuja Inngam Galih Pramuja Inngam Fanani Hani Setiani Irhash Ainur Rafiq Latifah, Rizka Muhammad Amirul Mu'min Muhammad Kunta Biddinika Nova Tri Romadloni Nur Makkie Perdana Kusuma Sharkawy, Abdel-Nasser sunardi sunardi Sunardi, Sunardi Sya’bani, Nur Hayati Tri Stiyo Famuji Wijaya, Setiawan Ardi Yana Safitri, Yana