Sistem Cerdas Deteksi Kematangan Buah Naga Berbasis HSV-KNN
DOI:
https://doi.org/10.36774/jusiti.v14i1.1718Keywords:
HSV, KNN, Deteksi Kematangan, Buah Naga, Pengolahan CitraAbstract
Penelitian ini mengembangkan sistem deteksi kematangan buah naga berbasis fitur warna menggunakan transformasi ruang warna HSV dan klasifikasi K-Nearest Neighbor (KNN). Penilaian kematangan secara manual sering subjektif dan tidak efisien, menyebabkan panen yang tidak optimal. Dataset terdiri dari 120 citra RGB buah naga dengan latar belakang putih (90 latih, 30 uji), diproses melalui konversi ke ruang warna HSV. Fitur rata-rata Hue, Saturation, dan Value diekstraksi untuk klasifikasi KNN dengan jarak Euclidean (k=3, 5, 7, 9, 11). Hasil menunjukkan akurasi rata-rata 91,94%, dengan akurasi tertinggi 96,7% pada k=9 dan k=11. Sistem efektif mengklasifikasikan kelas matang dan mentah, tetapi akurasi kelas setengah matang lebih rendah akibat gradasi warna kompleks. Penelitian ini menunjukkan sistem bisa menjadi langkah awal untuk membantu petani panen lebih baik di masa depan.
Downloads
References
N. Arifin, “KLASIFIKASI KEMATANGAN BUAH NAGA BERDASARKAN FITUR WARNA MENGGUNAKAN ALGORITMA MULTI-CLASS SUPPORT VECTOR MACHINE,” JINTEKS (Jurnal Informatika Teknologi dan Sains), vol. 5, no. 1, pp. 121–126, 2023.
H. Khotimah, N. Nafi’iyah, and Masrunoh, “Klasifikasi Kematangan Buah Mangga Berdasarkan Citra HSV dengan KNN,” Jurnal Elektronika, Listrik dan Teknologi Informasi Terapan, vol. 2, no. 1, pp. 1–7, 2019, [Online]. Available: https://ojs.politeknikjambi.ac.id/elti
J. Pardede, M. G. Husada, A. N. Hermana, and S. A. Rumapea, “Fruit Ripeness Based on RGB, HSV, HSL, L*a*b* Color Feature Using SVM,” INTERNATIONAL CONFERENCE OF COMPUTER SCIENCE AND INFORMATION TECHNOLOGY (ICOSNIKOM), 2019.
A. Paliling and M. N. Sutoyo, “Combination of The MADM Model Yager and k-NN to Group Single Tuition Payments,” ILKOM Jurnal Ilmiah, vol. 15, no. 2, pp. 326–334, 2023.
M. Muchtar and R. A. Muchtar, “PERBANDINGAN METODE KNN DAN SVM DALAM KLASIFIKASI KEMATANGAN BUAH MANGGA BERDASARKAN CITRA HSV DAN FITUR STATISTIK,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 12, no. 2, Apr. 2024, doi: 10.23960/jitet.v12i2.4010.
A. Ilmi, M. Hanif Razka, D. S. Wiratomo, and D. S. Prasvita, Klasifikasi Tingkat Kematangan Buah Apel Berdasarkan Fitur Warna Menggunakan Algoritma K-Nearest Neighbor dan Ekstraksi Warna HSV. 2021. [Online]. Available: https://www.kaggle.com/mbkinaci/fruit-images-for-object-detection.
S. Sanjaya, M. L. Pura, S. K. Gusti, F. Yanto, and F. Syafria, “K-Nearest Neighbor for Classification of Tomato Maturity Level Based on Hue, Saturation, and Value Colors,” Indonesian Journal of Artificial Intelligence and Data Mining, vol. 2, no. 2, p. 101, Nov. 2019, doi: 10.24014/ijaidm.v2i2.7975.
W. Setyo Pambudi, “RANCANG BANGUN ALAT PEMILAHAN KUALITAS KEMATANGAN BUAH NAGA MENGUNAKAN TEKNIK IMAGE PROSESSING DENGAN METODE IMAGE SEGMENTATION HSV,” 2015.
R. P. Putra, J. Jumadi, and D. Lianda, “Pengolahan Citra Digital Untuk Mengidentifikasi Tingkat Kematangan Buah Kelapa Sawit Berdasarkan Warna Rgb Dan Hsv Dengan Menggunakan Metode Self Organizing Map (SOM),” Jurnal Media Infotama, vol. 20, no. 1, p. 341149, 2024.
Ellif, Ellif, Sampe Hotlan Sitorus, and Rahmi Hidayati. "Klasifikasi Kematangan Pepaya Menggunakan Ruang Warna HSV dan Metode Naive Bayes Classifier," Coding Jurnal Komputer dan Aplikasi, vol. 9, no. 01, pp. 66-75, 2021.
H. P. Hadi and H. Rachmawanto, “Analisa Fitur Ekstraksi Ciri dan Warna Dalam Proses Klasifikasi Kematangan Buah Rambutan Berbasis K-Nearest Neighbor,” SKANIKA: Sistem Komputer dan Teknik Informatika, vol. 5, no. 2, pp. 177–189, 2022.
Mohammad Yazdi Pusadan, Indah Safitri, and Wirdayanti, “The Image Extraction Using the HSV Method to Determine the Maturity Level of Palm Oil Fruit with the k-nearest Neighbor Algorithm,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 7, no. 6, pp. 1448–1456, Dec. 2023, doi: 10.29207/resti.v7i6.5558.
A. Nurul Dzulhijjah, S. Anraeni, and Sugiarti, “Klasifikasi Kematangan Citra Labu Siam Menggunakan Metode KNN (K-Nearest Neighbor) Dengan Ekstraksi Fitur HSV (Hue, Saturation, Value),” Buletin Sistem Informasi dan Teknologi Islam, vol. 2, no. 2, pp. 103–110, 2021.
L. Farokhah, “IMPLEMENTASI K-NEAREST NEIGHBOR UNTUK KLASIFIKASI BUNGA DENGAN EKSTRAKSI FITUR WARNA RGB,” Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), vol. 7, no. 6, pp. 1129–1136, 2020, doi: 10.25126/jtiik.202072608.
D. Imantata Muhammad and N. Falih, “Penggunaan K-Nearest Neighbor (KNN) untuk Mengklasifikasi Citra Belimbing Berdasarkan Fitur Warna,” JURNAL INFORMATIK, vol. 17, no. 1, pp. 9–16, 2021.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 E-JURNAL JUSITI : Jurnal Sistem Informasi dan Teknologi Informasi
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
