Identifikasi Kematangan Buah Jeruk Medan Menggunakan K-Nearest Neighbor berbasis Metrik RGB

Abstract

Kemajuan pesat inovasi di bidang pengolahan citra semakin membuat aplikasi dan eksplorasi strategi penanganan gambar dibuat. Pengolahan citra mempunyai peranan penting di berbagai bidang. Aplikasi pengolahan citra berkaitan dengan pemrosesan citra berkaitan dengan transformasi warna. Dalam hal ini, metode transformasi ruang warna RGB sebagai bagian dari pengolahan citra membantu dalam mendeteksi warna dalam citra dan mengolahnya. Ruang warna merupakan model matematis yang menjelaskan mengenai warna yang direpresentasikan ke dalam model angka. Dalam penelitian ini, berdasarkan dari hasil pengujian menggunakan citra buah Jeruk Medan untuk mendeteksi jenis kematangannya dengan melakukan transformasi ruang warna RGB lalu mencari nilai rata-rata dari setiap warna dasar yaitu merah, hijau, dan biru kemudian memberikan metode KNN algoritma yang sering digunakan dalam pembelajaran mesin. Algoritma ini digunakan untuk memprediksi kelas suatu objek berdasarkan data pembelajaran yang ada. Algoritma ini bekerja dengan cara mencari objek yang paling mirip dengan objek yang ingin diprediksi kelasnya, lalu menggunakan kelas dari objek-objek tersebut untuk memprediksi kelas dari objek yang ingin diprediksi yang dilakukan dengan menggunakan data sampel sebanyak 180 data buah yang terdiri dari 60 citra buah Jeruk Medan disetiap jenis kematangannya, 60 sampel uji buah Jeruk Medan matang, 20 sampel buah Jeruk Medan setengah matang dan 60 sampel buah Jeruk Medan mentah. Pada penelitian ini mendapatkan nilai hasil dari klasifikasi dari k = 9 juga memiliki presentasi yang tinggi yaitu 87%