Klasifikasi Citra Buah Jeruk Mandarin, Jeruk Nipis, dan Stroberi Menggunakan Algoritma PCA dan Metode K-Nearest Neighbor (KNN)

Abstract

Klasifikasi citra buah merupakan salah satu aplikasi dalam bidang pengolahan citra digital yang memiliki potensi luas, terutama dalam sektor pertanian dan industri pangan. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi citra buah jeruk mandarin, jeruk nipis, dan stroberi menggunakan kombinasi algoritma Principal Component Analysis (PCA) dan metode K-Nearest Neighbor (KNN). PCA digunakan untuk mereduksi dimensi data guna meningkatkan efisiensi proses klasifikasi sekaligus mengurangi kompleksitas komputasi. Metode KNN dipilih karena kesederhanaannya dan kemampuannya dalam menangani data yang tidak terstruktur dengan baik. Dataset terdiri dari citra buah yang diambil dalam kondisi pencahayaan dan sudut pandang yang bervariasi untuk meningkatkan keakuratan sistem. Eksperimen dilakukan dengan berbagai nilai parameter K pada KNN untuk menemukan konfigurasi terbaik. Hasil penelitian menunjukkan bahwa kombinasi PCA dan KNN mampu mencapai akurasi yang tinggi, dengan nilai optimal pada parameter K tertentu. Sistem ini diharapkan dapat digunakan sebagai dasar pengembangan aplikasi klasifikasi citra buah yang efisien dan andal di masa depan.