Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Journal of Technopreneurship and Information System (JTIS)
A.R. Walad Mahfuzhi
Unknown Affiliation
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
PEMBUATAN DATASET BIJI JAGUNG: KLASIFIKASI MENGGUNAKAN K-NEAREST NEIGHBOR aditiansyah, bima; Muhammad Imanullah; Dedy Abdullah; A.R. Walad Mahfuzhi
Journal of Technopreneurship and Information System (JTIS) Vol 8 No 2 (2025): Juli
Publisher : Fakultas Teknik Universitas Muhammadiyah Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36085/jtis.v8i2.8918

Abstract

Jagung adalah salah satu tanaman pangan penghasil karbohidrat yang penting di Indonesia, selain padi dan gandum. Jenis jagung biasa dilihat dari bentuknya. Mengklasifikasikan jenis jagung bisa dikatakan cukup sulit karena bentuk biji jagung sangatlah beragam, saat ini kita memasuki zaman modern, dimana zaman yang sudah maju ini klasifikasi jenis jagung bisa menggunakan pengolahan citra digital. Salah satu cara untuk meningkatkan akurasi dalam proses  grading benih jagung adalah dengan menggunakan teknologi pengolahan citra digital. Dalam citra digital klasifikasi bentuk sebuah objek bisa menggunakan beragam metode salah satunya seperti K-Nearest Neighbors, Ada beberapa tahapan dalam penelitian ini seperti pembentukan dataset,preprocesing, penerapan algoritma k-nearest neighbor, pengujian, analisis akhir. berdasarkan penelitian yang telah dilakukan, dapat disimpulkan bahwa algoritma k-nearest neighbor dalam pengolahan citra digital mampu terbukti efektif dalam mengklasifikasi biji jagung. pada tahap latih dengan nilai K=1 mendapatkan akurasi 100% dan  pada tahapan pertama tingkat akurasi yang didapat sebesar 78%, tahapan kedua mendapatkan akurasi sebesar 80,3% dan tahapan terakhir mendapatkan akurasi sebesar 76,5% dengan dijumlahkan ketiganya dan di bagi tiga mendapatkan hasil sebesar 78,26%. meskipun demikian, masih terdapat beberapa keterbatasan dalam penelitian ini, seperti pengaruh pencahayaan, resolusi gambar, dan kondisi fisik biji jagung yang dapat mempengaruhi akurasi deteksi akan lebih bagus jika menggunakan kamera professional. oleh karena itu, pengembangan lebih lanjut diperlukan, seperti integrasi dengan machine learning atau kecerdasan buatan (AI) untuk meningkatkan efisiensi dan akurasi sistem klasifikasi biji jagung dimasa mendatang.
Co-Authors aditiansyah, bima Dedy Abdullah Muhammad Imanullah