Text

Rancang Bangun Sistem Pengecekan Tingkat Kebusukan Buah Pepaya Thailand (Carica Papaya L.) Menggunakan Algoritma Klasifikasi Metode K-Nearest Neigbor (KNN)

---

Dalam menentukan kategori suatu tumbuhan ataupun buah-buahan tentunya ada suatu kriterianya. Kriteria morfologi merupakan salah satu kriteria yang paling mudah digunakan karena kriteria ini mempelajari struktur bagian luar yang dapat dilihat secara langsung. Namun hal tersebut tentunya tidak bisa dijadikan sebagai kriteria tetap karena pandangan setiap individu yang berbeda. Maka dari itu dibuatlah sistem pengecekan tingkat kebusukan buah Pepaya Thailand yang dapat dilakukan dengan konsep pengolahan citra serta penggabungan dengan Algoritma Klasifikasi metode K-Nearest Neighbor (KNN). Pembuatan sistem ini tentunya akan bermanfaat untuk memberikan informasi mengenai tingkat kebusukan buah Pepaya Thailand bagi banyak pihak. Indikator yang digunakan un-tuk menentukan kategorinya adalah adalah keadaan warna kulit buah Pepaya Thailand dengan ROI 600pixels x 300pixels yang akan dicari nilai mean RGB kemudian dihitung menggunakan rumus euclidean distance dan kategorinya akan ditentukan menggunakan Algoritma Klasifikasi metode K-Nearest Neighbor (KNN). Berdasarkan hasil uji coba dengan data sampling didapatkan tingkat keakuratan sebesar 80% dengan rentang nilai mean R: 130.671-169.630, mean G: 106.891-131.895, dan mean B: 61.119-100.776 yang mana terdapat 3 data yang berbeda dari 15 data yang ada.

---

Ketersediaan

Informasi Detail

Judul Seri

-

No. Panggil

SK.INF Bud 210 2022

Penerbit

Surabaya : Universitas Widya Kartika., 2022

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

SK.INF Bud 210 2022

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

pengolahan Citra
Algoritma Klasifikasi
K-Nearest Neighbor (KNN)

Info Detail Spesifik

-

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar