IMPLEMENTASI METODE K-NEAREST NEIGHBOR UNTUK PENGENALAN BUAH MURBEI DENGAN KORELASI KANDUNGAN ANTOSIANIN

Abstract

Abstract Mulberry fruit is a fruit that contains anthocyanins as antioxidants. This anthocyanin content can be obtained by chemically extracting it. However, knowing the content of anthocyanin without direct extraction requires other methods or methods. This method can take advantage of digital image processing for feature extraction of digital images of mulberry fruit. In this research, introduction a mulberry fruit test was carried out with the correlation of information on anthocyanin content with the KNN classification method. The feature extraction used was the HSV color and the LBP texture, each of feature looked for the mean, standard deviation, skewness and kurtosis. The results of the KNN test showed K = 3 the accuracy for the HSV feature is 53.3%, the LBP feature is 13.3% and the combination of HSV and LBP is 66.7%. Keywords : HSV, LBP, KNN, Mulberry Fruit, anthocyanins  Abstrak Buah murbei merupakan buah yang mempunyai kandungan zat antosianin sebagai zat antioksidan. Kandungan antosianin ini bisa didapat dengan melakukan ekstrak secara kimiawi. Namun, lain halnya dalam mengetahui kandungan zat antosinain tanpa melakukan ekstraksi langsung membutuhkan cara atau metode lain. Metode tersbut dapat memanfaatkan digital image processing terhadap ekstraksi ciri citra digital buah murbei. Dalam penelitian ini dilakukan uji pengenalan buah murbei dengan korelasi informasi kandungan zat antosianin dengan metode klasifikasi KNN. Ektraksi ciri yang dimanfaatkan adalah warna HSV dan tekstur LBP yang mana masing-masing dicari nilai mean, standar deviasi, skewness dan kurtosis. Hasil pengujian KNN memperlihatkan K=3 akurasi untuk fitur HSV sebesar 53,3%, fitur LBP 13,3% dan kombinasi HSV dan LBP sebesar 66,7%. Kata kunci : HSV, LBP, KNN, Buah Murbei, Antosianin