OPTIMASI HYBRID INTELLIGENT SYSTEM UNTUK IDENTIFIKASI BUAH: STUDI KASUS PISANG DAN APEL
DOI:
https://doi.org/10.33480/inti.v19i2.6382Kata Kunci:
fruit classification, KNN, PCAAbstrak
Image processing-based fruit classification is one of the rapidly developing technology applications in the field of digital agriculture. This study aims to develop a fruit identification system, especially yellow bananas, green bananas, and apples, by utilizing the K-Nearest Neighbors (KNN) and Principal Component Analysis (PCA) methods. The background of this study is the need for an accurate automatic system to distinguish fruit types based on visual characteristics, such as color, texture, and shape, to support the distribution and management of agricultural products. The method used in this study involves four main stages: image loading, segmentation, feature extraction, and classification. PCA is used to reduce data dimensions by maintaining relevant main features, while KNN functions for classification based on the closest distance between test data and training data. The dataset used consists of 130 images, with 120 images as training data and 10 images as test data. The results of the study show that the developed system is able to classify all test data with 90% accuracy. This success proves that the combination of PCA and KNN methods is effective in identifying fruit types based on extracted visual characteristics. This system is expected to be the basis for further development in the field of automatic fruit classification.
Unduhan
Referensi
Azizah, N., Riyad Firdaus, M., Suyaningsih, R., & Indrayatna, F. (2023). Penerapan Algoritma Klasifikasi K-Nearest Neighbor pada Penyakit Diabetes. Prosiding Seminar Nasional Statistika Aktuaria, 2(1), 119–126.
Cholil, S. R., Handayani, T., Prathivi, R., & Ardianita, T. (2021). Implementasi Algoritma Klasifikasi K-Nearest Neighbor (KNN) Untuk Klasifikasi Seleksi Penerima Beasiswa. IJCIT (Indonesian Journal on Computer and Information Technology), 6(2), 118–127.
Danang, A., & Rachmawanto, E. H. (2022). Principal Component Analysis (PCA) dan K-Nearest Neighbor (KNN) dalam Deteksi Masker pada Wajah. Prosiding Sains Nasional Dan Teknologi, 12(1), 382. https://doi.org/10.36499/psnst.v12i1.7066
Dewi, S., & Pakereng, M. A. I. (2023). Implementasi Principal Component Analysis Pada K-Means Untuk Klasterisasi Tingkat Pendidikan Penduduk Kabupaten Semarang. JIPI (Jurnal Ilmiah Penelitian Dan Pembelajaran Informatika), 8(4), 1186–1195.
Dombale, V., Gaikwad, B., & Gadakari, Y. (2023). Hybrid intelligent system. International Research Jurnal of Modernization in Engineering, 05(06), 497–498.
Eko Prasetyo. (2022). Deteksi Kematangan Buah Melon dengan Algoritma Support Vector Machine Berbasis Ekstraksi Fitur GLCM. Infortech, 4(2), 200–206.
Hanifah, A. I., & Hermawan, A. (2023). Klasifikasi Kematangan Pisang Menggunakan Metode Convolutional Neural Network. Komputika : Jurnal Sistem Komputer, 12(2), 49–56. https://doi.org/10.34010/komputika.v12i2.9999
Iqbal Mubarok, M., Purwantoro, P., & Carudin, C. (2024). Penerapan Algoritma K-Nearest Neighbor (Knn) Dalam Klasifikasi Penilaian Jawaban Ujisan Esai. JATI (Jurnal Mahasiswa Teknik Informatika), 7(5), 3446–3452.
Jumadi, J., Yupianti, Y., & Sartika, D. (2021). Pengolahan Citra Digital Untuk Identifikasi Objek Menggunakan Metode Hierarchical Agglomerative Clustering. JST (Jurnal Sains Dan Teknologi), 10(2), 148–156.
Khamidah, N., Sofyan, A., & Elena, N. (2022). Teknologi Edible Coating dari Pati Kulit Pisang terhadap Mutu Buah Apel Malang (Malis sylvestris). Jurnal Ilmiah Inovasi, 22(2), 194–199.
Koten, I. A. C. (2024). Penerapan Metode Principal Component Analysis (Pca) Mengidentifikasi Tekstur Buah Naga. Bina Informatika Dan Komputer (BINER), 2(1).
Manaek, R., Richardus Eko Indrajit, & Erick Dazki. (2023). Arsitektur Perusahaan Untuk Infrastuktur Telekomunikasi Di Daerah Pedalaman Indonesia. SATIN - Sains Dan Teknologi Informasi, 9(2), 01–11.
Muhammad, D. I., Ermatita, E., & Falih, N. (2021). Penggunaan K-Nearest Neighbor (KNN) untuk Mengklasifikasi Citra Belimbing Berdasarkan Fitur Warna. Informatik : Jurnal Ilmu Komputer, 17(1), 9.
Nugraha, D., Novantara, P., & Muhammad, A. (2021). Implementasi Algoritma PCA pada Pengenalan Pola Tanda Tangan dengan Menggunakan Bahasa Pemrograman Phyton. JEJARING : Jurnal Teknologi Dan Manajemen Informatika, 6(1), 7–12.
Nuraini, R., Wibowo, A., Warsito, B., Syafei, W. A., & Jaya, I. (2023). Combination of K-NN and PCA Algorithms on Image Classification of Fish Species. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 7(5), 1026–1032.
Nurdiansyah, N., Muliadi, M., Herteno, R., Kartini, D., & Budiman, I. (2024). Implementasi Metode Principal Component Analysis (Pca) Dan Modified K-Nearest Neighbor Pada Klasifikasi Citra Daun Tanaman Herbal. Jurnal Mnemonic, 7(1), 1–9.
Putra, I. N. T. A., Prasetyo, J. E., Aminin, C., & Dana, I. K. A. (2023). Deteksi Kesegaran Buah Apel, Pisang, Dan Jeruk Menggunakan Metode Transformasi Ruang Warna HSI dan K-Nearest Neighbor. INFORMATICS FOR EDUCATORS AND PROFESSIONAL : Journal of Informatics, 7(2), 120.
Rangkuti, M. Y. R., Alfansyuri, M. V., & Gunawan, W. (2021). Penerapan Algoritma K-Nearest Neighbor (Knn) Dalam Memprediksi Dan Menghitung Tingkat Akurasi Data Cuaca Di Indonesia. Hexagon Jurnal Teknik Dan Sains, 2(2), 11–16.
Raysyah, S. R., Veri Arinal, & Dadang Iskandar Mulyana. (2022). Klasifikasi Tingkat Kematangan Buah Kopi Berdasarkan Deteksi Warna Menggunakan Metode Knn Dan Pca. JSiI (Jurnal Sistem Informasi), 8(2), 88–95.
Rianti, R., Andarsyah, R., & Awangga, R. M. (2024). Penerapan PCA dan Algoritma Clustering untuk Analisis Mutu Perguruan Tinggi di LLDIKTI Wilayah IV. Nuansa Informatika, 18(2), 67–77.
Sari, I. P., Ramadhani, F., Satria, A., & Apdilah, D. (2023). Implementasi Pengolahan Citra Digital dalam Pengenalan Wajah menggunakan Algoritma PCA dan Viola Jones. Jurnal Ilmu Komputer, 2(3), 146–157.
Sidiq, S. A. (2021). Pengolahan Citra Untuk Identifikasi Telur Berdasarkan Ukuran. Elinvo (Electronics, Informatics, and Vocational Education), 1(3), 151–156.
Suahati, A. F., Nurrahman, A. A., & Rukmana, O. (2022). Penggunaan Jaringan Syaraf Tiruan – Backpropagation dalam Memprediksi Jumlah Mahasiswa Baru. Jurnal Media Teknik Dan Sistem Industri, 6(1), 21.
Tanjung, R. P., & Utomo, D. W. (2024). Implementasi Principal Component Analysis (PCA) pada Pengenalan Wajah Resolusi Rendah. Infotekmesin, 15(01), 109–116. https://doi.org/10.35970/infotekmesin.v15i1.2148
Wiyono, A. R., & Imah, E. M. (2021). Pengenalan Citra Ekspresi Wajah Menggunakan Algoritma Principal Component Analysis (Pca) Dan Extreme Learning Machine (Elm). Jurnal Ilmiah Matematika, 6(2), 2–6.
Zahra, A., Azizah, S., Nazar, F., Yalis, T., & Narayana, I. S. (2024). Pengolahan Citra Digital Dengan Penerapan Teknik Ambang Batas : Studi Kasus Menggunakan Opencv. Jurnal AI Dan SPK, 1(4), 283–287.
##submission.downloads##
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 Rahma Yanti, Agung Ramadhanu
Artikel ini berlisensi Creative Commons Attribution-NonCommercial 4.0 International License.
Penulis yang menerbitkan jurnal ini menyetujui ketentuan berikut:
1. Penulis memegang hak cipta dan memberikan hak jurnal mengenai publikasi pertama dengan karya yang dilisensikan secara bersamaan di bawah Creative Commons Attribution 4.0 International License. yang memungkinkan orang lain untuk berbagi karya dengan pengakuan atas karya penulis dan publikasi awal pada jurnal.
2. Penulis dapat memasukkan pengaturan kontrak tambahan yang terpisah untuk distribusi non-eksklusif dari versi jurnal yang diterbitkan (misalnya, mengirimkannya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan atas publikasi awalnya pada Jurnal.
3. Penulis diizinkan dan didorong untuk memposting karya mereka secara online (misalnya, dalam penyimpanan institusional atau di situs web mereka) sebelum dan selama proses pengiriman, karena hal itu dapat menghasilkan pertukaran yang produktif, serta kutipan dari karya yang diterbitkan sebelumnya.
