<![CDATA[Penelitian ini membahas mengenai penerapan Hybrid Intelligence System untuk klasifikasi dan pengelompokan dompet, tas, dan buku menggunakan kombinasi metode Principal Component Analysis (PCA) dan K-Nearest Neighbor (KNN). Hal ini diperlukan untuk meningkatkan optimalisasi klasifikasi objek berbasis citra, terutama dalam manufaktur, perdagangan, dan sistem inventarisasi. Dengan meningkatnya kebutuhan sistem digitalisasi yang mampu mengenali dan mengelompokkan objek secara cepat dan akurat, pengembangan sistem berbasis hybrid intelligence menjadi relevan. PCA digunakan untuk menyederhanakan dimensi data citra sehingga hanya fitur yang relevan yang dipertahankan, sementara KNN digunakan untuk menentukan kelas dari masing-masing produk berdasarkan fitur yang telah sederhanakan. Penelitian ini melibatkan data kuantitatif berupa citra dompet, tas, dan buku dengan total 26 data latih dan data uji. Hasil penelitian menunjukkan bahwa kombinasi dari PCA dan KNN mampu meningkatkan akurasi klasifikasi hingga 90%. Sistem ini juga terbukti efektif dalam menangani data yang tidak bersih dan menghasilkan klasifikasi yang konsisten serta dapat diandalkan. Temuan ini menunjukkan potensi besar dalam pengembangan sistem berbasis citra digital untuk berbagai aplikasi, khususnya dalam klasifikasi produk.]]>
Copyrights © 2025
