<![CDATA[Sistem klasifikasi otomatis berbasis citra digital semakin dibutuhkan dalam sektor pertanian untuk meningkatkan efisiensi seleksi dan distribusi produk. Pengklasifikasian cabai merah, cabai hijau, dan jeruk mandarin secara manual sering kali memakan waktu lama dan rentan terhadap kesalahan manusia. Oleh karena itu, penelitian ini mengusulkan penggunaan kombinasi Principal Component Analysis (PCA) dan K-Nearest Neighbors (KNN) untuk mengklasifikasikan ketiga jenis objek tersebut. Data yang digunakan terdiri dari 16 citra latih dan 10 citra uji, yang diproses melalui tahapan segmentasi, ekstraksi fitur, dan reduksi dimensi menggunakan PCA. Hasil klasifikasi menunjukkan tingkat akurasi mencapai 96,20%, dengan satu data jeruk mandarin yang gagal terdeteksi. Temuan ini membuktikan bahwa metode PCA dan KNN efektif dalam mengklasifikasikan citra dengan akurasi tinggi, memberikan kontribusi terhadap sistem klasifikasi otomatis yang dapat meningkatkan efisiensi dalam distribusi dan seleksi produk agrikultur serta mengurangi potensi kesalahan dalam penilaian kualitas produk secara manual.]]>
Copyrights © 2025
