Klasifikasi citra buah kopi menggunakan Algoritma K-Nearest Neighbor

Abstract

Proses pemeriksaan tingkat kematangan buah kopi biasanya dilakukan oleh manusia yang ahli di bidangnya. Akan tetapi hal ini memiliki kendala, antara lain terbatasnya tenaga ahli dan mahalnya upah untuk tenaga ahli. Oleh karena itu, akan dikembangkan metode agar dapat melakukan pemeriksaan tingkat kematangan buah secara otomatis. Salah satu penerapannya adalah dengan mengklasifikasi buah kopi yang akan dicek secara otomatis melalui citra buah kopi untuk setiap tingkat kematangan yang berbeda. Transformasi dari citra menjadi bentuk numerik, menggunakan pendekatan intensitas RGB (Red, Green, Blue), selanjutnya diklasifikasi menggunakan k-Nearest Neighbor dan analisis komponen utama. Terdapat dua klasifikasi yang dibandingkan, yaitu penggunaan algoritma k-Nearest Neighbor secara langsung dan kombinasi k-Nearest Neighbor dengan analisis komponen utama. Hasil penelitian menunjukkan klasifikasi dengan menggunakan k-Nearest Neighbor lebih akurat dan waktu komputasinya lebih singkat dibandingkan menggunakan kombinasi k-Nearest Neighbor dan analisis komponen utama.