<![CDATA[Penelitian ini menggunakan teknologi pengolahan citra digital untuk mengembangkan sistem klasifikasi tingkat kematangan belimbing madu berdasarkan fitur warna menggunakan model warna HSV. Metode K-Nearest Neighbor (K-NN) diterapkan untuk klasifikasi tingkat kematangan buah tersebut, dengan Google Colab sebagai alat utama dalam analisis citra dan pengolahan data. Tujuan penelitian ini adalah mengklasifikasikan tingkat kematangan belimbing madu berdasarkan fitur warna dengan algoritma K-NN, serta merancang sistem yang dapat mengenali dan membedakan tiga tingkat kematangan: mentah, setengah matang, dan matang. Metode pengembangan sistem yang digunakan adalah metode Waterfall. Sistem klasifikasi kematangan belimbing madu dibangun menggunakan bahasa Python, dengan K-NN untuk mengidentifikasi kategori berdasarkan kemiripan data terhadap data pelatihan. Hasil penelitian ini adalah sistem klasifikasi berbasis Web dengan deployment menggunakan framework Flask. Evaluasi model dilakukan dengan Confusion Matrix yang menunjukkan akurasi sebesar 98%. Penelitian ini berpotensi menjadi landasan bagi pengembangan sistem serupa untuk mengklasifikasikan kematangan buah lainnya dengan teknologi pengolahan citra canggih.]]>
Copyrights © 2024
