EUVIMEDEUVIMED entdecken
Open Access · CC BY-NC-SA 4.0

Perbandingan Algoritma K-Nearest Neighbor Untuk Klasifikasi Jenis Mangga Menggunakan Berdasarkan Fitur Gray Level Co-Occurrence Matric dan Fitur Warna

Fathur Rizal, Nadiyah Nadiyah

COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi · 2022

DOI: 10.33650/coreai.v2i2.3099 ↗

Kurz gefasst

Fachartikel in der Zeitschrift COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi, 2022. Verfasst von Fathur Rizal und 1 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-SA 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Indonesia merupakan negara dengan sumber daya manusia serta sumber daya alam yang memiliki pontesial untuk dapat membangun industri buah nusantra, serta mata pencaharian sebagian besar penduduk indonesia yakni petani. Produksi pertanian diantaranya padi, jagung dan lain-lain [1][2]. Budidaya tanaman kebun jenis buah-buahan di indonesiaa seperti alpukat, nanas, kelengkeng, pisang, mangga dan lain-lain. Sebagian besar penduduk indonesia sangat gemar menanam pohon mangga di halaman rimah atau kebun mereka. Akan tetapi dari kegemaran mereka menanam pohon mangga tidak jarang masyarakat tertipu dengan jenis mangga yang ditanam. Oleh sebab itu dibutuhkan suatu model atau metode untuk dapat mengklasifikasikan jenis mangga serta untuk mengetahui jenis mangga tersebut dapat dilihat dari ciri yang ada seperti bentuk tekstur dan warna. Terdapat beberapa metode yang telah diusulkan serta telah dikerjakan utnuk mengklasifikasikan jenis mangga, akan tetapi hasil rata-rata akurasi yang diperoleh kurang dari 80%. Dalam penelitian ini mengusulkan pendekatan menggunakan k-nearest neighbor dengan optimasi algoritma genetika serta menggunakan fitur gray level co-occurrence matrix dan fitur warna daun mangga jumlah dataset yang digunakan sebanyak 800 daun citra. Penggunaan algoritma genetika untuk optimasi berhasil meningkatkan nilai akurasi pada metode k-nearest neighbor. Akurasi tertinggi terdapat pada nilai k=3 yakni 93.50%. Sedangkan metode k-nearest neighbor tanpa menggunakan optimasi memperoleh akurasi sebesar 93.00% dengan nilai k=1.

Zitieren

APA

Rizal, F., & Nadiyah, N. (2022). Perbandingan Algoritma K-Nearest Neighbor Untuk Klasifikasi Jenis Mangga Menggunakan Berdasarkan Fitur Gray Level Co-Occurrence Matric dan Fitur Warna. COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi. https://doi.org/10.33650/coreai.v2i2.3099

Vancouver

Rizal F, Nadiyah N. Perbandingan Algoritma K-Nearest Neighbor Untuk Klasifikasi Jenis Mangga Menggunakan Berdasarkan Fitur Gray Level Co-Occurrence Matric dan Fitur Warna. COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi. 2022. doi:10.33650/coreai.v2i2.3099

BibTeX
@article{Rizal2022,
  author = {Rizal, Fathur and Nadiyah, Nadiyah},
  title = {Perbandingan Algoritma K-Nearest Neighbor Untuk Klasifikasi Jenis Mangga Menggunakan Berdasarkan Fitur Gray Level Co-Occurrence Matric dan Fitur Warna},
  journal = {COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi},
  year = {2022},
  doi = {10.33650/coreai.v2i2.3099}
}
Kostenlos starten →