Klasifikasi Tingkat Kematangan Buah Naga Kristal Berdasarkan Warna Kulit Menggunakan Algoritma K-nearest Neighbors
Year: 2024
Type: article
Abstract: Penelitian ini bertujuan untuk mengembangkan sebuah metode yang efektif dalam menentukan tingkat kematangan buah naga pada kelas layak panen, matang, mentah secara otomatis dengan memanfaatkan algoritma K-Nearest Neighbors (K-NN) melalui proses Knowledge Discovery in Databases (KDD). Proses KDD, yang melibatkan serangkaian langkah mulai dari pemilihan data, praproses data, transformasi data, hingga penerapan algoritma untuk menghasilkan pengetahuan yang bermanfaat, digunakan dalam penelitian ini untuk mengolah dan menganalisis data citra buah naga. Pada penelitian ini klasifikasi diolah melalui tahapan KDD, termasuk proses praproses untuk membersihkan dan mempersiapkan data, Penggunaan Min-Max Normalization untuk menstandarisasi data sehingga semua fitur berada pada skala yang sama, sangat penting untuk kinerja model K-NN, transformasi untuk mengekstraksi data kelas, dan penerapan algoritma K-NN untuk klasifikasi kematangan buah. Pemilihan algoritma K-NN dalam tahapan KDD didasarkan pada kesederhanaan serta kemampuannya dalam mengklasifikasikan data dengan tingkat akurasi yang tinggi. Hasil penelitian menunjukkan bahwa metode KDD yang diterapkan dengan algoritma K-NN mampu mengklasifikasikan kematangan buah naga dengan Akurasi terbaik diperoleh pada nilai K = 3 dengan persentase akurasi sebesar 91% tanpa memerlukan pemotongan fisik pada buah. Dengan demikian, penelitian ini tidak hanya memberikan kontribusi dalam bidang pertanian presisi tetapi juga menunjukkan bagaimana metode KDD dapat diterapkan secara efektif untuk menyelesaikan masalah nyata di lapangan.
Authors: Erick Hernando, Ade Chandra Saputra, Jadiaman Parhusip
Institution: University of Palangka Raya
Language: Indonesian
Subfield: Information Systems
Field: Computer Science
Domain: Physical Sciences
SDG: Zero hunger
Open Access status: hybrid
OpenAlex ID: W4405438269