EKSTRAKSI FITUR WARNA DAN GLCM PADA ALGORITMA KNN UNTUK KLASIFIKASI KEMATANGAN RAMBUTAN

Abstract

Nephelium lappaceum adalah nama latin buah yang lebih dikenal dengan rambutan. Rambutan ternyata mengandung banyak vitamin (vitamin c, magnesium, serat makanan, dll) yang dapat menyembuhkan beberapa penyakit seperti diabetes, hipertensi, dll. Namun karena rendahnya pengetahuan dikalangan masyarakat membuat penjual rambutan mengalami kerugian, karena mereka cenderung menyamaratakan mutu buah. Rendahnya penerapan klasifikasi dikarenakan proses klasifikasi yang dilakukan secara manual dengan menggunakan indra penglihatan. Hal ini menyebabkan akurasi yang rendah, karena indra penglihatan tidak mampu dijadikan tolak ukur tingkat kematangan buah. Maka penelitian ini menerapkan teknologi pengolah citra digital yang menggunakan metode ekstraksi fitur warna RGB, ekstraksi fitur tekstur GLCM dan menerapkan algoritma K-Nearest Neighbor untuk proses klasifikasi. Penelitian ini menghasilkan 4 tingkat kematangan buah yaitu mentah, setengah matang, matang dan busuk. Akurasi tertinggi dihasilkan oleh K=1 sebesar 98,75% dan akuasi terendah dihasilkan oleh K=7 dan 9 sebesar 92,5%. Berdasarkan hasil ekperimen, dapat disimpulkan bahwa semakin besar nilai K maka semakin rendah tingkat akurasi yang dihasilkan, karena pada proses klasifikasi tetangga(data latih dan data uji) yang dibandingkan tergantung pada nilai K