<![CDATA[Banyaknya industri pengolahan yang memanfaatkanmelinjo sebagai bahan baku serta pasar yang membutuhkan melinjountuk konsumsi segar juga turut mempengaruhi potensi untukpengembangan budidaya melinjo. Di Indonesia penentuan kualitasbuah melinjo kebanyakan menggunakan cara konvensional denganmengamati buah secara manual. Pemilahan hasil panen terutamabuah-buahan dapat dilakukan secara otomatis menggunakan highperformance liquid chromatography, pencitraan nearinfrared, dansensor gas, namun cara tersebut membutuhkan perangkat yang mahaldan operator professional. Penelitian ini mengusulkan analisiskualitas buah melinjo berdasarkan pengolahan citra. Denganmenggunakan algoritma K-Nearest Neighbor (KNN) dalammengklasifikasikan buah melinjo ke dalam dua kelompok, yaitu baikdan buruk, serta attribut yang digunakan dalam pengklasifikasianberupa fitur ekstraksi RGB. Berdasarkan hasil eksperimen metode(KNN) mempunyai performa yang baik, dibuktikan dari hasil akurasiyang tinggi. Dari 100 dataset dibagi menjadi data training 70 citradan data testing 30 citra. Hasil pengujian menggunakan data testingyaitu 28 citra masuk kategori benar dalam klasifikasi dan 2 salahsehingga menghasilkan akurasi 93 %, precision 94 persen dan recall94 persen.]]>
Copyrights © 2022
