<![CDATA[Penelitian ini mengembangkan sistem deteksi kematangan buah naga berbasis fitur warna menggunakan transformasi ruang warna HSV dan klasifikasi K-Nearest Neighbor (KNN). Penilaian kematangan secara manual sering subjektif dan tidak efisien, menyebabkan panen yang tidak optimal. Dataset terdiri dari 120 citra RGB buah naga dengan latar belakang putih (90 latih, 30 uji), diproses melalui konversi ke ruang warna HSV. Fitur rata-rata Hue, Saturation, dan Value diekstraksi untuk klasifikasi KNN dengan jarak Euclidean (k=3, 5, 7, 9, 11). Hasil menunjukkan akurasi rata-rata 91,94%, dengan akurasi tertinggi 96,7% pada k=9 dan k=11. Sistem efektif mengklasifikasikan kelas matang dan mentah, tetapi akurasi kelas setengah matang lebih rendah akibat gradasi warna kompleks. Penelitian ini menunjukkan sistem bisa menjadi langkah awal untuk membantu petani panen lebih baik di masa depan.]]>
Copyrights © 2025
