PENERAPAN METODE K- NEAREST NEIGBHOR KLASIFIKASI JENIS BUAH SEMANGKA DENGAN IMAGE PROCESSING
Abstract
Tujuan dari studi ini ialah untuk menciptakan Sistem Klasifikasi Jenis Buah Semangka melalui Pengolahan Citra dengan menggunakan Metode K-Nearest Neighbor di Dinas Pertanian Kota Pagar Alam. Penelitian ini dilakukan karena proses pengklasifikasian jenis-jenis semangka masih dilakukan secara tradisional dan belum diotomatiskan. Saat ini, klasifikasi buah semangka masih bergantung pada pengalaman manusia, penilaian warna, dan bentuk buah semangka. Namun, cara ini memakan waktu yang cukup lama dan seringkali menghasilkan kesalahan. Oleh karena itu, penelitian ini bertujuan untuk membantu dalam pengklasifikasian buah semangka dengan menggunakan metode yang lebih efisien dan akurat melalui teknik pengolahan citra. Dengan menggunakan metode K-Nearest Neigbhor dengan cepat. Sistem yang dibangun menggunakan Software MATLAB, dalam metode pengembangan sistem dalam penelitian ini adalah metode SDLC (Software Development Life Cycle), dimana tahapan meliputi analisis, desain, pengkodean dan pengujian, untuk metode pengujian menggunakan Euclidean Distance dilakukan pengujian pada seluruh data testing yang telah disiapkan hasil dari penelitian ini yakni sistem klasifikasi jenis buah semangka dengan metode Euclidean Distance dengan Image Processing dimana pada 80 data training, menghasilkan 69 data berhasil dikenali dan 11 data tidak berhasil dikenali, sehingga mendapat persentase sebesar 86,25%. Kemudian setelah dilakukan holdout validation dengan 20 data testing, menghasilkan 16 data berhasil dikenali dan 4 data tidak berhasil dikenali, sehingga mendapat persentase sebesar 80%. Akhirnya sistem yang menerapkan Euclidean Distance terhadap klasifikasi jenis buah semangka dengan image processing mendapat akurasi yang tinggi