<![CDATA[Abstract: This study utilizes a hybrid intelligence system for classifying grape and papaya fruits, combining the Principal Component Analysis (PCA) and K-Nearest Neighbor (KNN) algorithms. PCA is employed to reduce data dimensions by extracting key features from fruit images, while KNN performs classification based on the reduced feature set. The dataset consists of images of grapes and papayas captured under various lighting conditions. Experimental results indicate that this hybrid approach achieves 90% accuracy in fruit classification, improves computational efficiency, and enhances classification performance compared to using KNN without feature selection. This system demonstrates great potential for image-based fruit classification and can be implemented to support agricultural product processing technologies. Keywords: Hybrid Intelligence System; Grape and Papaya Classification; PCA; KNN.Abstrak: Penelitian ini menerapkan hybrid intelligence system untuk klasifikasi buah anggur dan pepaya menggunakan algoritma Principal Component Analysis (PCA) dan K-Nearest Neighbor (KNN). Algoritma PCA digunakan untuk mereduksi dimensi data dengan mengekstraksi fitur-fitur utama dari citra buah, sedangkan KNN digunakan untuk melakukan klasifikasi berdasarkan fitur yang telah direduksi. Dataset yang digunakan berupa gambar buah anggur dan pepaya dalam berbagai kondisi pencahayaan. Hasil eksperimen menunjukkan bahwa pendekatan hybrid ini mampu meningkatkan akurasi klasifikasi dan mengurangi waktu komputasi dibandingkan penggunaan KNN tanpa seleksi fitur. Sistem ini menunjukkan akurasi 90% dalam pengelompokan buah berbasis citra dan dapat diimplementasikan untuk mendukung teknologi pengolahan hasil pertanian. Kata kunci: Hybrid Intelligence system; Klasifikasi Buah; PCA; KNN. ]]>
Copyrights © 2025
