<![CDATA[Pengolahan citra digital merupakan salah satu bidang penting dalam computer vision yang berfokus pada interpretasi citra untuk memperoleh informasi bermakna, khususnya dalam proses identifikasi dan klasifikasi objek berbasis karakteristik visual. Penelitian ini bertujuan mengembangkan sistem klasifikasi otomatis untuk membedakan jenis buah dengan menerapkan algoritma K-Nearest Neighbor (KNN) menggunakan pendekatan Euclidean Distance pada lingkungan MATLAB. Prosedur penelitian dilaksanakan melalui beberapa tahapan utama, meliputi pre-processing, ekstraksi ciri, normalisasi histogram, serta klasifikasi. Pada tahap pre-processing, citra yang menjadi dataset terlebih dahulu dikonversi ke bentuk grayscale, dilanjutkan dengan proses noise reduction dan binarisasi guna meningkatkan kualitas citra serta memperjelas fitur objek. Tahap ekstraksi ciri kemudian dilakukan untuk memperoleh informasi visual yang relevan, sedangkan normalisasi histogram berfungsi menstandarkan distribusi intensitas piksel agar proses klasifikasi menjadi lebih optimal. Hasil pengujian menunjukkan bahwa sistem mampu melakukan pengenalan citra buah dengan tingkat akurasi rata-rata sebesar 93,3%. Capaian ini mengindikasikan bahwa kombinasi metode ekstraksi fitur dengan algoritma KNN cukup efektif dalam mengelompokkan citra berdasarkan kemiripan karakteristik visualnya. Secara praktis, sistem ini berpotensi diterapkan dalam proses sortasi buah secara otomatis pada sektor pertanian maupun industri pengolahan hasil pangan. Meskipun demikian, pengembangan lebih lanjut masih diperlukan, misalnya melalui penambahan variasi dataset, peningkatan kualitas citra, serta penerapan algoritma klasifikasi yang lebih adaptif agar sistem mampu bekerja secara optimal pada kondisi citra yang lebih kompleks dan bervariasi.]]>
Copyrights © 2025
