Article Sidebar

Download
pdf
Statistic
Read Counter : 519 Download : 519

Main Article Content

Abstract

 


Abstract— Selada adalah salah satu jenis daun sayur yang paling banyak dibudayakan. Daun Memiliki ciri khas warnanya masing-masing. Daun sendiri akan mengalami perubahan warna ketika sudah matang atau memasuki masa panennya. Berdasarkan perbedaan warna ini petani atau masyarakat yang menanam tanam selada melakukan panen. Namun, Cara ini memiliki kekurangan karena mata manusia memiliki keterbatasan dalam membedakan warna sehingga selada yang dipanen terkadang masih belum masanya atau sudah melewati masa panennya. Maka dari itu dibuatlah suatu sistem pengolahan citra digital untuk dapat mengklasifikasikan kematangan daun selada dengan metode dan proses yang tepat. Penelitian ini mengusulkan Klasifikasi Kematangan Daun Selada Berdasarkan Fitur Warna Menggunakan K-Nearest Neighbor. Dalam Penelitian ini diguanakan 60 dataset citra daun selada. Proses dan Metode yang diusulkan yaitu, akuisisi citra, prepocessing, segmentasi dengan metode thresholding dan operasi morfologi, dan terakhir tahap klasifikasi dengan K-Nearest Neighbor. Berdasarkan hasil pengujian, diperoleh tingkat akurasi sebesar 98%. Diharapkan sistem ini dapat membantu petani selada dan dapat menjadi standar untuk menciptakan sistem yang lebih baik.

Keywords

Kata kunci — Citra, K-Nearest Neighbor, Selada, Warna

Article Details

References

  1. Teknik Elektro Komputer dan Informatika, vol. 4, no. 1, hlm. 20, Jun 2018, doi: 10.26555/jiteki.v4i1.8994.
  2. [2] F. R. Megantara dan D. Y. Purwanto, “DETEKSI KONDISI TANAMAN SELADA BERDASARKAN CITRA MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN),” hlm. 9.
  3. [3] D. Winarso dan E. Edo Arribe, “Seleksi Pegawai dan Dosen UMRI Berbasis E-Recruitment Menggunakan Metode K-Nearest Neighbor,” Digitalzone, vol. 8, no. 2, hlm. 71–80, Nov 2017, doi: 10.31849/digitalzone.v8i2.631.
  4. [4] Universitas Hamzanwadi, Y. Yahya, W. Puspita Hidayanti, dan Universitas Hamzanwadi, “Penerapan Algoritma K-Nearest Neighbor Untuk Klasifikasi Efektivitas Penjualan Vape (Rokok Elektrik) pada ‘Lombok Vape On,’” JIT, vol. 3, no. 2, hlm. 104–114, Agu 2020, doi: 10.29408/jit.v3i2.2279.
  5. [5] I. Setiawan, W. Dewanta, H. A. Nugroho, dan H. Supriyono, “Pengolah Citra Dengan Metode Thresholding Dengan Matlab R2014A,” J. n.a Infotama, vol. 15, no. 2, Okt 2019, doi: 10.37676/jmi.v15i2.868.
  6. [6] M. R. Nugroho, “OPERASI MORFOLOGI CITRA DENGAN MATLAB,” hlm. 6.
  7. [7] W. Yustanti, “Algoritma K-Nearest Neighbour untuk Memprediksi Harga Jual Tanah,” hlm. 12.
  8. [8] R. Rahmadianto, E. Mulyanto, dan T. Sutojo, “Implementasi Pengolahan Citra dan Klasifikasi K-Nearest Neighbor untuk Mendeteksi Kualitas Telur Ayam,” hlm. 10.