Klasifikasi Kualitas Jambu Air Madu Deli Merah, Dengan Menerapkan Metode K-NN model Euclidean Distance
Article Metrics
Abstract view : 104 timesAbstract
Jambu air madu deli merah merupakan salah satu varietas ungggulan yang
memiliki nilai ekonomis tinggi. Penentuan kualitas buah ini sangat penting
untuk mendukung proses permasaran dan meningkatkan kepercayaan
konsumen. Penelitian ini bertujuan untuk mengklasifikasikan kualitas jambu air
berdasarkan beberapa parameter fisik seperti warna dan tekstur menggunakan
metode K-Nearest Neighbor (K-NN) dengan pendekatan Euclidean Distance.
Data buah dikategorikan ke dalam dua kelas kualitas: baik, dan buruk. Model
K-NN bekerja dengan membandingkan data uji terhadap data latih berdasarkan
jarak terdekat dalam ruang multidimensi. Sehingga peneliti menerapkan
metode K-NN dengan model Euclidean Distance guna mengklasifikasikan
kualitas jambu air madu deli merah berdasarkan variable warna dan tekstur
dari citra digital. Dataset yang digunakan terdiri dari 40 data latih dan 1 data
uji, dengan dua kelas kategori yaitu baik dan buruk. Proses dimulai dengan
akusisi citra jambu air madu deli merah, dilanjutkan dengan ekstraksi ciri warna
menggunakan metode GLCM. Ciri-ciri tersebut dijadikan input dalam Algoritma
K-NN dengan nilai K yang divariasikan. Maka hasil yang diperoleh dari klasifikasi
menunjukkan bahwa metode K-NN dengan jarak Euclidean Distance mampu
mengidentifikasi kualitas jambu air madu delimerah, dengan tingkat akurasi
yang cukup efektif terutama pada jumlah tetangga terdekat yang lebih kecil.
Sehinggga hasil pengujian menunjukkan bahwa data uji berhasil diklasifikasikan
ke dalam kategori baik. Tingkat akurasi diperoleh sebesar 100% pada nilai K=1,
K=3, dan K=5.
References
Afriansyah, M., Saputra, J., Sa’adati, Y., & Valian Yoga Pudya Ardhana. (2023). Optimasi Algoritma Nai?ve Bayes Untuk Klasifikasi Buah Apel Berdasarkan Fitur Warna RGB. Bulletin of Computer Science Research, 3(3), 242–249. https://doi.org/10.47065/bulletincsr.v3i3.251
Alya Shafira, R., Yahfizham, & Muliani Harahap, A. (2023). Menentukan Jarak Terpendek Dalam Pengiriman BarangDengan Perbandingan Euclidean Distance DanManhattan Distance. Journal of Science and Social Research, VI(3), 678–685.
Aswito, D., & Rahmahidayatul, R. (2024). Manajemen Kualitas Website Sistem Informasi Desa Berdasarkan Model FURPS Menggunakan Metode Euclidean Distance. 11(1), 21–24.
Insani, C. N., Arifin, N., & Rasyid, M. R. (2023). Deteksi Gerakan Bahasa Isyarat Menggunakan Euclidean Distance. Informatik : Jurnal Ilmu Komputer, 19(1), 99–106. https://doi.org/10.52958/iftk.v19i1.5658
Jerandu, C. Y., Batarius, P., & Sinlae, A. A. J. (2022). Identifikasi Kualitas Kesegaran Ikan Menggunakan Algoritma K-Nearest Neighbor Berdasarkan Ekstraksi Ciri Warna Hue, Saturation, dan Value (HSV). Building of Informatics, Technology and Science (BITS), 4(3), 1536–1547. https://doi.org/10.47065/bits.v4i3.2613
Jumadi, J., & Sartika, D. (2021). PENGOLAHAN CITRA DIGITAL UNTUK IDENTIFIKASI OBJEK MENGGUNAKAN METODE HIERARCHICAL AGGLOMERATIVE CLUSTERING. 10(2), 148–156.
Kurnia Fitra, Kurniawan Jhoni, Fahmi Ichsan, & Monalisa Siti. (2019). Klasifikasi Keluarga Miskin Menggunakan Metode K-Nearest Neighbor Berbasis Euclidean Distance. Seminar Nasional Teknologi Informasi Komunikasi Dan Industri, November, 230–239. https://ejournal.uin-suska.ac.id/index.php/SNTIKI/article/view/8089
Lase, F., Lubis, N., & Harahap, A. S. (2023). EKOENZIM DAN PENGARUHNYA TERHADAP PERTUMBUHAN STEK JAMBU AIR MADU DELI HIJAU (Syzygium aqueum). Tahta Media Group, 54. http://www.nber.org/papers/w16019
Nisa, C., & Candra, F. (2023). Klasifikasi Jenis Rempah-Rempah Menggunakan Algoritma Convolutional Neural Network. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 4(1), 78–84. https://doi.org/10.57152/malcom.v4i1.1018
Nurdiansyah, A., Al-arrafi, M. I., & Ramadhanu, A. (2024). Implementasi Algoritma K-Means Dalam Mengindentifikasi Kematangan Buah Jambu Madu. 5(4), 1968–1972.
Reswan, Y., Toyib, R., Witriyono, H., & Anggraini, A. (2024). Klasifikasi Tingkat Kematangan Buah Nanas Berdasarkan Fitur Warna Menggunakan Metode K-Nearest Neighbor (KNN). Jurnal Media Infotama, 20(1), 280–287.
Siagian, Y., Hutahaean, J., Zikra Syah, A., Efendi Hutagalung, J., & Karim, A. (2024). Implementasi Metode K-Nearest Neigbours (KNN) Untuk Klasifikasi Penyakit Diabetes. Jurnal Informatika Dan Teknologi Informasi, 2(3), 253–262. https://doi.org/10.56854/jt.v2i3.331
Sugiyono1*, D. (2023). Pemodelan Pengolahan Citra Klasifikasi Jenis Mangga Menggunakan Metode K-Nearst Neighbor. Jurnal Sains Dan Teknologi, 5(1), |pp. https://doi.org/10.55338/saintek.v5i1.1422
Suryadi, L., Ngajiyanto, N., Pratiwi, N. E., Ardhy, F., & Riswanto, P. (2022). Penerapan Data Mining Prediksi Penjualan Mebel Terlaris Menggunakan Metode K-Nearest Neighbor(K-Nn) (Studi Kasus : Toko Zerita Meubel). JUSIM (Jurnal Sistem Informasi Musirawas), 7(2), 174–184. https://doi.org/10.32767/jusim.v7i2.1697
Susim, T., & Darujati, C. (2021). Pengolahan Citra untuk Pengenalan Wajah (Face Recognition) Menggunakan OpenCV. Jurnal Syntax Admiration, 2(3), 534–545. https://doi.org/10.46799/jsa.v2i3.202
Copyright (c) 2025 Fadlan Zuhri Ramadhan Fadlan
This work is licensed under a Creative Commons Attribution 4.0 International License.
