<![CDATA[Dalam era digitalisasi, pengolahan citra digital menjadi salah satu bidang yang berkembang pesat, terutama dalam klasifikasi objek. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi citra buah, khususnya jeruk mandarin dan kelapa, dengan memanfaatkan algoritma Principal Component Analysis (PCA) dan metode K-Nearest Neighbor (KNN). PCA digunakan untuk mereduksi dimensi fitur citra, sehingga mengurangi kompleksitas komputasi dan meningkatkan efisiensi proses klasifikasi. Sementara itu, KNN diterapkan sebagai metode klasifikasi untuk mengidentifikasi jenis buah berdasarkan fitur yang telah diekstraksi. Dataset yang digunakan terdiri dari sejumlah citra jeruk mandarin dan kelapa yang diambil dalam kondisi pencahayaan dan latar belakang yang bervariasi. Hasil eksperimen menunjukkan bahwa kombinasi PCA dan KNN mampu mencapai tingkat akurasi yang tinggi dalam klasifikasi citra buah, dengan akurasi rata-rata mencapai 95%. Temuan ini menunjukkan potensi besar dari pendekatan ini untuk diterapkan dalam sistem klasifikasi otomatis di industri pertanian dan perdagangan buah. Penelitian ini juga membuka peluang untuk pengembangan lebih lanjut dengan mengintegrasikan teknik machine learning lainnya untuk meningkatkan akurasi dan efisiensi sistem.]]>
Copyrights © 2025
