Application of color extraction methods and k-nearest neighbor to determine maturity avocado butter
DOI:
https://doi.org/10.35335/cit.Vol15.2023.375.pp09-20Keywords:
Avocado Butter, Color Feature Extraction, Data Mining, K-Nearest NeighborAbstract
Computerization requires system testing and further system development, namely color feature extraction with KNN. Avocado is one that has a high protein content in it. This research uses the KNN algorithm method and feature extraction in order to get more effective results, the purpose of this research is to make it easier for people to choose the ripeness level of butter avocados because people still don't know about the maturity level of butter avocados. In this study, testing was carried out by bringing the avocado fruit closer to the cellphone camera connected to the researcher's internet, after which the application will automatically match the color of the avocado. to the system, the system will produce output based on that color with output in the form of the ripeness level of the avocado, whether it is ripe, ripe, half ripe, rotten and also generates information on how much longer the avocado will ripen. All stages of system development are carried out by analyzing data first, then taking sample data, training and testing datasets, then the results of the system will become benchmarks. The test data in this study used several types of avocado objects, namely: Raw, Half Ripe, Ripe, Ripe, Rotten. It consisted of 55 data samples consisting of 11 raw avocado samples, 11 half-ripe avocado samples, 11 ripe avocado samples, 11 ripe avocado samples and 11 rotten avocado samples. Obtained euclidean distance values ​​for each type of avocado butter. After that, the sum is done to get the overall level of accuracy by adding up the total euclidean distance with the total euclidean distance for each type of avocado. After getting the added value multiply it by 100%. Then the overall accuracy results obtained are 98.38%.
Downloads
References
R. E. Pawening, W. J. Shudiq, and W. Wahyuni, “Klasifikasi Kualitas Jeruk Lokal Berdasarkan Tekstur dan Bentuk Menggunakan Metode k-Nearest Neighbor (k-NN),†COREAI J. Kecerdasan Buatan, Komputasi dan Teknol. Inf., vol. 1, no. 1, pp. 10–17, 2020.
L. Farokhah, “Implementasi K-Nearest Neighbor untuk Klasifikasi Bunga Dengan Ekstraksi Fitur Warna RGB,†J. Teknol. Inf. dan Ilmu Komput., vol. 7, no. 6, pp. 1129–1135, 2020.
A. Octaviani, D. Sandya Prasvita, K. Rizki, T. Zulkarnain, and S. Hinggit, “Klasifikasi Tingkat Kematangan pada Buah Rambutan Berdasarkan Fitur Warna Menggunakan KNN dan Ekstraksi Warna HSV,†Semin. Nas. Mhs. Ilmu Komput. dan Apl. Jakarta-Indonesia, vol. 4, no. September, pp. 12–18, 2021.
A. Pratidina, “Implementasi Pengolahan Citra Untuk Mendapatkan Informasi Mengenai Citra Baret TNI Dengan Menggunakan Algoritma Euclidean Distance,†J. Teknol. rekayasa, vol. 22, no. 1, pp. 10–17, 2019.
M. Sri, F. Achmad, and Yusfrizal, “Penerapan Machine Learning Untuk Klasifikasi Tingkat Kematangan Buah Anggur (Vitis) Dengan Metode K-Nearest Neighbor,†Bull. Multi-Disciplinary Sci. Appl. Technol., vol. 1, no. 5, pp. 147–152, 2022.
R. Afrianda and S. Samsurizal, “Optimasi Pemakaian Sendiri PLTU dengan Metode Audit Energi pada Motor Listrik 3 Fasa di PLTU X,†J. Ilm. Setrum, vol. 9, no. 2, pp. 63–73, 2020, doi: 10.36055/setrum.v9i2.9273.
I. G. R. A. Sugiartha, M. Sudarma, and I. M. O. Widyantara, “Ekstraksi Fitur Warna, Tekstur dan Bentuk untuk Clustered-Based Retrieval of Images(CLUE),†Maj. Ilm. Teknol. Elektro, vol. 16, no. 1, pp. 85–90, 2017, doi: 10.24843/mite.1601.12.
L. Farokhah and P. Korespondensi, “Implementasi K-Nearest Neighbor Untuk Klasifikasi Bunga Dengan Ekstraksi Fitur Warna Rgb Implementation of K-Nearest Neighbor for Flower Classification With Extraction of Rgb Color Features,†J. Teknol. Inf. dan Ilmu Komput., vol. 7, no. 6, pp. 1129–1136, 2020, doi: 10.25126/jtiik.202072608.
Marjiyono, Bambang Soedijono, and E. T. Luthfi, “Penggunaan Jaringan Syaraf Tiruan Untuk Meramalkan Permintaan pada Perusahaan Retail,†Semin. Nas. Teknol. Inf. dan Multimed., vol. 6, no. 1, pp. 7–12, 2020.
G. Firdaus, A. C. Budiati, and Nurhadi, “Fashion Sebagai Komunikasi Identitas Sosial Mahasiswa FKIP UNS,†Sos. J. Ilm. Pend. Sos Ant, vol. 5, no. 2, pp. 1–18, 2015.
N. Kurnia Ningrum and E. Sasmita, “Ekstraksi Warna Berdasarkan Rgb Untuk Menentukan Tingkat Kematangan Daun Tembakau,†Udinus Jl. Imam Bonjol No, vol. 207, p. 50131, 2020.
L. Farokh, “Implementasi K-Nearest Neighbor Untuk Klasifikasi Bunga Dengan Ekstraksi Fitur Warna RGB,†J. Teknol. Inf. dan Ilmu Komput., vol. 7, no. 6, pp. 1129–1136, 2020.
A. N. Hermana, A. Zulkarnain, and Y. A. Riadi, “Implementasi Pengolahan Model Warna Rgb Pada Aplikasi Identifikasi Warna,†MIND J., vol. 3, no. 1, pp. 49–60, 2019, doi: 10.26760/mindjournal.v3i1.49-60.
Denny and Anggun, “ekstarasi fitur citra api berbasis ekstrasi warna pada uang wana hsv dan rgb,†J. FAHMA, vol. 16, no. 3, pp. 1–12, 2020.
C. Iswahyudi, “Implementasi Citra Digital Pada Berbagai Bidang,†STIKOM BALI, vol. 3, no. 1, pp. 1–14, 2013.
H. Hanafi and N. Fadhilla, “optimasi algoritma knn untuk klasifikasi tingkat kematangan buah alpukat berdasarkan warna,†ITJRD, vol. 4, no. 1, pp. 10–18, 2019.
M. Fansyuri and O. Hariansyah, “Pengenalan Objek Bunga dengan Ekstraksi Fitur Warna dan Bentuk Menggunakan Metode Morfologi dan Naï ve Bayes,†J. Sist. dan Inform., vol. 15, no. 1, pp. 70–80, 2020.
Rahmadwati, E. Yudaningtyas, and Subairi, “Implementasi Metode k-Nearest Neighbor pada Pengenalan Pola Tekstur Citra Saliva untuk Deteksi Ovulasi,†J. EECCIS, vol. 12, no. 1, pp. 9–14, 2019.
M. Fahmi Wibawa, M. A. Rahman, and A. W. Widodo, “Penerapan Ruang Warna HSV dan Ekstraksi Fitur Tekstur Local Binary Pattern untuk Tingkat Kematangan Sangrai Biji Kopi,†J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 5, no. 7, pp. 2819–2825, 2021.
W. Saputro, “Klasifikasi citra dalam gerak tangan bahasa isyarat sibi menggunakan algoritma k-nn,†J. Inf. Technol. Comput. Sci., vol. 5, no. 2, pp. 180–187, 2022.
N. Anwar, “Pengenalan Warna Terhadap Objek Dengan Model Analisis Elemen Data Warna Gambar Berbasis Deep Neural Network,†BULLET J. Multidisiplin Ilmu, vol. 2, no. 01, pp. 23–31, 2023.
K. A. Nugraha et al., “Algoritma Backpropagation Pada Jaringan Saraf Tiruan Untuk Pengenalan Pola Wayang Kulit,†Semin. Nas. Inform., vol. 2013, no. semnasIF, pp. 8–13, 2013.
S. R. Raysyah, Veri Arinal, and Dadang Iskandar Mulyana, “Klasifikasi Tingkat Kematangan Buah Kopi Berdasarkan Deteksi Warna Menggunakan Metode Knn Dan Pca,†JSiI (Jurnal Sist. Informasi), vol. 8, no. 2, pp. 88–95, 2021, doi: 10.30656/jsii.v8i2.3638.
A. Saleh, “Implementasi Pengolahan Citra Pada Sistem Pemantau Level Cairan Berbasis Web,†polteknik negeri malang SENTIA, vol. 6, no. May 2021, pp. A1–A6, 2021, doi: 10.31219/osf.io/4mjgv.
A. F. Yana, “Implementasi Pengolahan Citra Digital Pada Penghitungan Anak Burung Puyuh Menerapkan Metode Blob,†J. Inf. Syst. Res., vol. 1, no. 4, pp. 237–245, 2020.
E. Budianita, J. Jasril, and L. Handayani, “Implementasi Pengolahan Citra dan Klasifikasi K-Nearest Neighbour Untuk Membangun Aplikasi Pembeda Daging Sapi dan Babi Berbasis Web,†J. Sains dan Teknol. Ind., vol. 12, no. Vol 12, No 2 (2015): Juni 2015, pp. 242–247, 2021.
A. Zarkasi and H. Ubaya, “Vision Sebagai Pengolahan Citra Api,†Konf. Nas. Teknol. Inf. Apl., vol. 4, pp. 39–44, 2019.
S. Firmansyah, D. Lelono, and R. Sumiharto, “Implementasi Pengolahan Citra Digital Sebagai Pengukur Nilai Resistor Pada Sistem Pemindai Resistor Berbasis Android,†IJEIS (Indonesian J. Electron. Instrum. Syst., vol. 5, no. 1, p. 1, 2019, doi: 10.22146/ijeis.7148.
D. I. Muhammad, E. Ermatita, and N. Falih, “Penggunaan K-Nearest Neighbor (KNN) untuk Mengklasifikasi Citra Belimbing Berdasarkan Fitur Warna,†Inform. J. Ilmu Komput., vol. 17, no. 1, p. 9, 2021, doi: 10.52958/iftk.v17i1.2132.
W. O. N. Kadir, B. Pramono, and Statiswaty, “Penerapan Data Mining Dengan Metode K- Nearest Neighbor (KNN) Untuk Mengelompokan Minat Konsumen Asuransi (PT. Jasaraharja Putera),†J. Semant., vol. 5, no. 1, pp. 97–104, 2019.
M. J. Islam, Q. M. Jonathan, and M. Ahmadi, “Ivestigating the performace of naive bayes clasifiers and k-nearest neighbor classifiers,†J. Converg. Inf. Technol., vol. 5, no. 2, pp. 133–137, 2016.
M. Raihan, R. Allaam, and A. T. Wibowo, “Klasifikasi Genus Tanaman Anggrek Menggunakan Metode Convolutional Neural Network (CNN),†e-Prceeding Eng., vol. 8, no. 2, pp. 3147–3179, 2021.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2023 Jurnal Teknik Informatika C.I.T Medicom
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
