Record Details

K-NN Klasifikasi Kematangan Buah Mangga Manalagi Menggunakan L*A*B dan Fitur Statistik

Journal of Computer Science and Visual Communication Design

View Archive Info
 
 
Field Value
 
Title K-NN Klasifikasi Kematangan Buah Mangga Manalagi Menggunakan L*A*B dan Fitur Statistik
 
Creator Sri Pamungkas, Arif Patriot
Nafi’iyah, Nur
Nawafilah, Nur Qomariyah
 
Subject Matlab
Mangga Manalagi
KNN
Lab
GLCM
Informatika
 
Description Fruits are a food source of vitamins. The fruit is quickly damaged by mechanical, chemical and microbiological influences, making it easy to rot. Classification is carried out on a group of mangoes which differ in type of maturity. The distinguishing feature was used is the L*A*B color feature. The purpose of this researchgave the output of the maturity classification ofManalagi mangoes based on color features using the Matlab application. In this research the GLCM method will be proposed for feature extraction in mangoes. By using K-Nearest Neighboor (KNN) to determine the maturity level of the Mango fruit. The dataset used is 130 data, consisting of 65 data for raw, 15 for half-cooked and 50 for mature. The KNN Classification results using the GLCM and L*A*B methods for Feature Extraction get an accuracy value of 62.5% in the test data. Keywords— Matlab, Manalagi Mango, KNN, Lab, GLCM.
Buah-buahan merupakan bahan pangan sumber vitamin. Buah cepat sekali rusak oleh pengaruh mekanik, kimia dan mikrobiologi sehingga mudah menjadi busuk. Klasifikasi dilakukan pada sekelompok buah mangga yang berbeda-beda jenis kematangannya. Ciri pembeda yang digunakan adalah fitur warna L*A*B. Tujuan penelitian ini yaitu memberikan hasil output klasifikasi kematangan buah mangga manalagi berdasarkan fitur warna menggunakan aplikasi Matlab. Pada penelitian ini akan diusulkan metode GLCM untuk ekstraksi fitur pada buah mangga. Dengan menggunakan K-Nearest Neighboor (KNN) untuk menentukan tingkat kematangan buah mangga. Dataset yang digunakan berjumlah 130 data, terdiri dari 65 data untuk mentah, 15 untuk setengah matang dan 50 untuk matang. Hasil Klasifikasi KNN dengan menggunakan metode GLCM dan L*A*B untuk ekstraksi fitur mendapatkan nilai akurasi sebesar 62.5% pada data uji. Kata kunci— Matlab, Mangga Manalagi, KNN, Lab, GLCM
 
Publisher Fakultas Ilmu Komputer Universitas Nahdlatul Ulama Sidoarjo
 
Date 2019-07-31
 
Type info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
 
Format application/pdf
 
Identifier https://journal.unusida.ac.id/index.php/jik/article/view/52
 
Source Journal of Computer Science and Visual Communication Design; Vol. 4 No. 1 (2019): Jurnal Ilmu Komputer dan Desain Komunikasi Visual (JIKDISKOMVIS); 1 - 8
Jurnal Ilmu Komputer dan Desain Komunikasi Visual; Vol 4 No 1 (2019): Jurnal Ilmu Komputer dan Desain Komunikasi Visual (JIKDISKOMVIS); 1 - 8
2541-4585
2541-4550
 
Language ind
 
Relation https://journal.unusida.ac.id/index.php/jik/article/view/52/39
 
Rights Copyright (c) 2019 Jurnal Ilmu Komputer dan Desain Komunikasi Visual