Optimasi Algoritma K-Nearest Neighbor untuk Klasifikasi Tingkat Kematangan Buah Alpukat Berdasarkan Warna

Abstract

Sistem komputerisasi semakin dibutuhkan seiring dengan perkembangan teknologi saat ini. Salah satu sistem komputerisasi yang butuh pengujian serta pemngembangan sistem lebih lanjut ialah klasifikasi citra digital. Salah satu topik yang dapat diangkat ialah tentang kematangan buah alpukat. Alpukat (Perseaamericana mill) merupakan tanaman yang dapat tumbuh subur di daerah tropis seperti Indonesia dan merupakan salah satu jenis buah yang digemari masyarakat karena selain rasanya yang enak juga kandungan antioksidannya yang tinggi. Alpukat Memiliki nilai warna yang mirip disetiap tingkat kematangan buah, menjadi hal yang menarik untuk dibahas dan menjadi fokus utama dalam penelitian ini. Penelitian ini menggunakan algoritma K-Nearest Neighbor Clasifier untuk memperoleh hasil klasifikasi buah. K-Nearest Neigtbor Classifier (k-NN) adalah sebuah metode untuk melakukan klasifikasi terhadap objek berdasarkan data pembelajaran yang jaraknya paling dekat dengan objek tersebut. Tujuan dari penelitian ini ialah menguji keakuratan algoritma k-nearest neighbor pada klasifikasi tingkat kematangan buah alpukat. Pengujian dilakukan dengan memperoleh nilai data training dan melakukan uji system. Data uji training menggunakan tiga objek jenis alpukat yang berbeda yaitu matang, setengah matang dan mentah. Sedangkan pengujian pada sistem dilakukan dengan melakukan input data berupa 30 sample alpukat ke sistem yang telah dirancang. Sample buah alpukat berupa gambar berekstensi .jpg dan .png yang terdiri dari 9 sampel alpukat setengah matang. 10 sampel alpukat matang dan 11 sampel alpukat mentah. Hasil dari pengujian sistem ini memperoleh nilai keakuratan sebesar 66,67 %. Tingkat keserasian yang mirip dari ketiga jenis kematangan alpukat menjadi factor utama dari minimnya perolehan nilai kekuratan sistem.