<![CDATA[Indonesia sebagai negara tropis memiliki kekayaan beragam jenis buah-buahan, seperti paprika dan apel, yang tumbuh subur di berbagai wilayah. Buah-buahan ini memiliki nilai ekonomis tinggi dan berpotensi memberikan keuntungan besar, sehingga mendorong pengembangan produktivitas di berbagai daerah. Namun, kesamaan fisik antar jenis buah seringkali menyulitkan proses identifikasi, yang dapat memengaruhi pengelolaan dan pemanfaatannya. Perkembangan teknologi, khususnya dalam pengolahan citra digital, menjadi solusi untuk mengatasi tantangan ini dengan meningkatkan akurasi dan efisiensi klasifikasi buah. Penelitian ini bertujuan mengembangkan sistem klasifikasi citra buah menggunakan kombinasi algoritma K-Nearest Neighbor (K-NN) dan Principal Component Analysis (PCA) sebagai pendekatan Hybrid Intelligence. PCA digunakan untuk mereduksi dimensi fitur visual seperti warna dan bentuk, sementara K-NN melakukan klasifikasi berdasarkan jarak terdekat. Sistem ini dirancang untuk mengidentifikasi jenis buah seperti paprika merah, paprika hijau, dan apel merah. Hasil penelitian menunjukkan bahwa penggabungan K-NN dan PCA meningkatkan akurasi dan efisiensi klasifikasi, dengan akurasi mencapai 90%. Penelitian ini memberikan kontribusi dalam meningkatkan akurasi dan keandalan sistem klasifikasi buah, serta menawarkan manfaat praktis dalam mendukung pengelolaan hasil pertanian, meningkatkan nilai tambah produk, dan memperkuat sektor agribisnis di era digital.]]>
Copyrights © 2025
