<![CDATA[Buah-buahan seperti apel hijau, apel Fuji, dan jeruk memiliki karakteristik visual yang berbeda berdasarkan tektur, bentuk, dan warnanya. Klasifikasi otomatis buah ini sangat berguna dalam industri pertanian dan perdagangan, seperti dalam proses sortir otomatis, deteksi kualitas buah, dan pengemasan yang lebih efisien. Teknik pengolahan citra dan machine learning dapat membantu mengklasifikasikan buah secara otomatis berdasarkan fitur visualnya. Pada penelitian metode yang digunakan untuk klasifikasi tiga jenis buah, yaitu apel hijau, apel Fuji, dan jeruk adalah K-Nearest Neighbor (KNN) dan Principal Component Analysis (PCA) untuk. PCA digunakan untuk mereduksi dimensi data fitur citra buah seperti warna, tekstur, dan bentuk, sehingga meningkatkan efisiensi proses klasifikasi. Algoritma KNN diterapkan untuk mengklasifikasikan buah berdasarkan hasil reduksi fitur yang diperoleh dari PCA. Uji coba dilakukan pada dataset citra buah dengan berbagai kondisi pencahayaan dan sudut pengambilan gambar. Dari 30 gambar (10 apel Fuji 10 apel hijau, dan 10 jeruk), hasil menunjukkan bahwa 2 apel fuji tidak teridentifikasi dengan benar, dengan akurasi mencapai 93%. Hasil penelitian menunjukkan bahwa kombinasi PCA dan KNN mampu mencapai tingkat akurasi tinggi dalam mengklasifikasikan ketiga jenis buah tersebut, dengan tingkat akurasi terbaik sebesar 93%. Kombinasi metode ini dapat diandalkan sebagai solusi dalam sistem klasifikasi otomatis berbasis citra digital.]]>
Copyrights © 2025
