Klasifikasi Tingkat Kematangan Buah Berdasarkan Warna dan Tekstur Menggunakan Metode K-Nearest Neighbor dan Nearest Mena Classifier

Abstract

Buah apel merupakan tanaman yang biasa tumbuh di iklim sub tropis, berdasarkan data yang dirilis oleh direktorat jenderal holtikultura kementrian pertanian tahun 2015, produk pertanian apel memiliki kontribusi yang cukup tinggi di tahun 2014. Hal ini ditunjukan bahwa buah apel di pulau Jawa telah diproduksi sebanyak 242.763 ton dari 249.915 ton produksi di Indonesia. Salah satu jenis apel yaitu apel manalagi, memiliki ciri yang berbeda dari apel-apel lainnya yaitu terdapat pada tingkat warna kematangan buah tersebut. dibutuhkan suatu teknologi yang dapat menentukan nilai tingkat akurasi dari pengklasifikasian kematangan buah apel manalagi sehingga memperoleh nilai yang konsisten. Teknologi saat ini memungkinkan untuk melakukan klasifikasi citra digital, Dan berdasarkan beberapa kelas berdasarkan mutu dan perlu dilakukan penelitian ini untuk mengimplementasikan dan menguji akurasi dari metode K-Nearest Neighbor (KNN)  dan Nearest Mean Classifier (NMC)  untuk klasifikasi tingkat kematangan buah apel berdasarkan karakteristik bentuk dan warna buah dengan harapan nilai akurasi metode NMC  lebih dari 87% sehingga dapat membuktikan bahwa metode tersebut lebih unggul daripada metode KNN berdasarkan penelitian sebelumnya. Berdasarkan hasil pengujian diatas dapat diketahui Algoritma K-Nearest Neighbor dapat melakukan klasifikasi tingkat kematangan buah apel manalagi dengan tingkat nilai akurasi paling tinggi adalah dengan menggunakan fitur warna saja dan  kombinasi fitur warna dan tekstur dengan masing-masing menggunakan 1-NN yang menghasilkan persentase kebenaran 73 persen. Hasil pengujian Akurasi yang diperoleh secara global menggunakan Nearest mean  classifier menghasilkan tingkat akurasi sebanyak 70 persen.