<![CDATA[Mengidentifikasi kematangan tomat sayur dalam penelitian ini dibagi menjadi 3 bagian yaitu belum matang, matang, dan setengah matang. Penelitian ini bertujuan untuk mengidentifikasi kematangan tomat sayur berdasarkan tingkat akurasi yang dihitung menggunakan Confusion Matriks. Metode penelitian ini terdiri dari konversi citra RGB ke Grayscale, Normalisasi Citra, Klasifikasi dan Ekstraksi Fitur. Pada penelitian ini terdapat 103 dataset, kemudian dibagi menjadi 93 data training dan 10 data testing. Pada 93 data training akan dibagi menjadi 3 kelompok yaitu 31 tomat belum matang, 31 tomat matang, dan 31 tomat matang. Data training yang digunakan dalam penelitian ini merupakan data real dari hasil camera Canon D7000. Algoritma yang digunakan untuk proses klasifikasi adalah algoritma K-NN. Pada percobaan model K-NN dengan jumlah K=1, maka didapatkan nilai akurasi yaitu 60 %. Pada percobaan model K-NN dengan jumlah K=3, maka didapatkan nilai akurasi yaitu 70 %. Pada percobaan model K-NN dengan jumlah K=5, maka didapatkan nilai akurasi yaitu 60 %. Pada percobaan model K-NN dengan jumlah K=7, maka didapatkan nilai akurasi yaitu 60 %. Dengan demikian nilai akurasi tertinggi dari penerapan metode Local Binary Pattern dan K- Nearest Neighbor pada masalah identifikasi kematangan tomat sayur menggunakan confusion matriks yaitu pada percobaan model K-NN dengan jumlah K=3]]>
Copyrights © 2019
