<![CDATA[Klasifikasi citra buah dapat dilakukan berdasarkan bentuk, ukuran, tekstur, warna buah. Buah merupakan salah satu data yang dipakai pada pengolahan data yang dapat mempermudah identifikasi jenis buah berdasarkan ciri-ciri fisiknya. Penelitian ini bertujuan mengimplementasikan algoritma K-Nearest Neighbors (KNN) dan Principal Component Analysis (PCA) untuk mengklasifikasikan tiga jenis buah, yaitu Pir Madu, Pir Hijau, dan Apel Merah. PCA digunakan untuk mereduksi dimensi data morfologi yang terdiri dari fitur berat, panjang, dan lebar buah, sehingga meningkatkan efisiensi dan efektivitas model KNN dalam melakukan klasifikasi. Data yang digunakan terdiri dari 26 data yang dibagi menjadi data latih dan data uji. Setelah proses standarisasi, PCA diterapkan untuk mengurangi jumlah komponen fitur menjadi dua komponen utama yang mempertahankan informasi penting dalam data. Selanjutnya, algoritma KNN dengan parameter k=3 digunakan untuk melakukan klasifikasi pada data uji. Hasil penelitian menunjukkan bahwa kombinasi PCA dan KNN menghasilkan akurasi klasifikasi sebesar 90%, dengan nilai precision 90 %, recal 90%, dan F1-score 94,7% yang baik untuk setiap jenis buah. Hasil ini menunjukkan bahwa teknik PCA dapat meningkatkan kinerja algoritma KNN dalam klasifikasi buah dengan mengurangi dimensi data yang kompleks. Penelitian ini memberikan kontribusi pada pengembangan teknik klasifikasi buah berbasis data morfologi dengan penerapan PCA dan KNN.]]>
Copyrights © 2025
