ALAT IDENTIFIKASI JENIS KAYU BERBASIS IMAGE PROCESSING DENGAN METODE K-NEAREST NEIGHBOR (KNN)

Muhammad A’inul Yaqin (Teknik Elektro, Universitas Trunojoyo Madura, Bangkalan)
Riza Alfita (Teknik Elektro, Universitas Trunojoyo Madura, Bangkalan)
Kunto Aji Wibisono (Teknik Elektro, Universitas Trunojoyo Madura, Bangkalan)

SinarFe7
Vol. 3 No. 1 (2020): Sinarfe7-3 2020

Pengelompokkan jenis kayu biasanya ditentukan oleh beberapa parameter, diantaranya adalah warna, berat, tekstur, serat, dan masih banyak lagi. Salah satu faktor penting dalam pengelompokkan jenis kayu ialah serat kayu. Pandangan manusia biasanya lebih subyektif pada obyek dalam pengklarifikasian. Sehingga perlu teknologi sebagai alat pengklarifikasian kelompok kayu melalui serat kayu dengan menggunakan pengolahan citra. Proses dalam pengklarifikasian ini berinputkan citra serat kayu dengan algoritma K-Nearest Neighbor (KNN) untuk penggolongan jenis kayunya. Penentuan nilai k sangat menentukan tingkat keberhasilan identifikasi jenis kayu. Akurasi maksimal sebesar 96% dengan menggunakan nilai k 9. Sedangkan akurasi minimumnya ialah 71% dengan menggunakan nilai k 7. Rata – rata akurasi dari seluruh parameter pengujian adalah 86%.