Model Klasifikasi Tingkat Kematangan Buah Tomat Menggunakan Algoritma K-Nearest Neighbor Berbasis Desktop

Fahlevi, Ichbal Reza (2024) Model Klasifikasi Tingkat Kematangan Buah Tomat Menggunakan Algoritma K-Nearest Neighbor Berbasis Desktop. Other thesis, Universitas Komputer Indonesia.

	Text UNIKOM_Ichbal Reza Fahlevi_Cover.pdf - Published Version Download (356kB)
	Text UNIKOM_Ichbal Reza Fahlevi_Lembar Pengesahan.pdf - Published Version Download (896kB)
	Text UNIKOM_Ichbal Reza Fahlevi_Surat Keterangan Persetujuan Publikasi.pdf - Published Version Download (218kB)
	Text UNIKOM_Ichbal Reza Fahlevi_Lembar Pernyataan.pdf - Published Version Download (1MB)
	Text UNIKOM_Ichbal Reza Fahlevi_Kata Pengantar.pdf - Published Version Download (273kB)
	Text UNIKOM_Ichbal Reza Fahlevi_Daftar Isi.pdf - Published Version Download (209kB)
	Text UNIKOM_Ichbal Reza Fahlevi_BAB I.pdf - Published Version Download (435kB)
	Text UNIKOM_Ichbal Reza Fahlevi_BAB II.pdf - Published Version Download (670kB)
	Text UNIKOM_Ichbal Reza Fahlevi_BAB III.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy
	Text UNIKOM_Ichbal Reza Fahlevi_BAB IV.pdf - Published Version Restricted to Repository staff only Download (3MB) | Request a copy
	Text UNIKOM_Ichbal Reza Fahlevi_BAB V.pdf - Published Version Download (324kB)
	Text UNIKOM_Ichbal Reza Fahlevi_Daftar Pustaka.pdf - Published Version Download (337kB)
	Text Kontak Penulis Dan Kontributor.pdf - Published Version Download (118kB)

Abstract

Pengklasifikasian kematangan buah tomat secara manual memiliki kelemahan seperti waktu yang lama, akurasi rendah, dan hasil yang tidak konsisten. Pengolahan citra menjadi solusi untuk mengklasifikasikan buah tomat secara otomatis. Penelitian ini bertujuan mengembangkan sistem klasifikasi kematangan buah tomat berbasis desktop menggunakan algoritma K-Nearest Neighbor (KNN). Proses penelitian mencakup pra-pemrosesan data, ekstraksi fitur rata-rata RGB, dan evaluasi model dengan dataset yang berisi 756 citra tomat. Model ini berhasil mengklasifikasikan tomat ke dalam tiga kelas kematangan: matang, setengah matang, dan tidak matang, mencapai akurasi tertinggi 88,19% pada nilai K=11. Meskipun metode KNN memiliki kelemahan, terutama sensitivitas terhadap gangguan yang disebabkan oleh variasi acak dalam intensitas dan warna serta faktor lingkungan seperti pencahayaan yang tidak merata dan perubahan warna latar belakang, model ini diharapkan dapat meningkatkan efisiensi dengan mengurangi waktu klasifikasi dan meningkatkan akurasi dalam mendeteksi tingkat kematangan tomat, sehingga memberikan manfaat yang signifikan bagi petani dan sektor pertanian dalam mengelola hasil panen dan proses penyortiran.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Klasifikasi, Kematangan Buah Tomat, K-Nearest Neighbor, Pengolahan Citra, RGB.
Subjects:	000_COMPUTER SCIENCE, INFORMATION & GENERAL WORKS. > 005_Computer Programming, Programs & Data Q Science > QA Mathematics > QA76 Computer software
Divisions:	S1_SKRIPSI > FTIK_Sistem Komputer (02)
Depositing User:	Mia Mia Hayati Kosasih
Date Deposited:	28 Jul 2025 03:57
Last Modified:	28 Jul 2025 03:57
URI:	http://elibrary.unikom.ac.id/id/eprint/10687

Actions (login required)

View Item