Gotama, Putu Bayu Ariska Putra (2025) KLASIFIKASI TINGKAT KEMATANGAN BUAH PISANG MENGGUNAKAN METODE NAÏVE BAYES DAN K-NEAREST NEIGHBOR (KNN). Masters thesis, Universitas Pendidikan Ganesha.
![[img]](http://repo.undiksha.ac.id/style/images/fileicons/text.png) |
Text (2129101016-COVER)
2129101016-Cover.pdf Download (511kB) |
|
Text (2129101016-ABSTRAK)
2129101016-Abstrak.pdf Download (189kB) |
|
Text (2129101016-BAB 1 PENDAHULUAN)
2129101016-Bab 1 Pendahuluan.pdf Download (160kB) |
|
Text (2129101016-BAB 2 KAJIAN TEORI)
2129101016-Bab 2 Kajian Teori.pdf Restricted to Repository staff only Download (434kB) | Request a copy |
|
Text (2129101016-BAB 3 METODELOGI PENELITIAN)
2129101016-Bab 3 Metodelogi Penelitian.pdf Restricted to Repository staff only Download (348kB) | Request a copy |
|
Text (2129101016-BAB 4 HASIL DAN PEMBAHASAN)
2129101016-Bab 4 Hasil dan Pembahasan.pdf Restricted to Repository staff only Download (971kB) | Request a copy |
|
Text (2129101016-BAB 5 PENUTUP)
2129101016-Bab 5 Penutup.pdf Restricted to Repository staff only Download (189kB) | Request a copy |
|
Text (2129101016-DAFTAR PUSTAKA)
2129101016-Daftar Pustaka.pdf Download (263kB) |
|
Text (2129101016-LAMPIRAN)
2129101016-Lampiran.pdf Download (1MB) |
Abstract
Penelitian ini bertujuan untuk membuat model klasifikasi tingkat kematangan buah pisang menggunakan algoritma Naïve Bayes Classifier dan K-Nearest Neighbor (KNN). Model klasifikasi tingkat kematangan buah pisang dibuat atas dasar tidak semua orang memiliki kemampuan dalam melakukan pengamatan terhadap kematangan pisang berdasarkan warna kulit dan teksturnya dengan tepat dan teliti. Tingkat kematangan buah pisang dibagi menjadi tiga kelas, yakni mentah, sedang, dan matang. Klasifikasi tingkat kematangan buah pisang dilakukan melalui proses pengolahan citra digital dengan menggunakan perangkat lunak Matlab R2022a. Sistem klasifikasi yang dikembangkan dibagi menjadi dua tahapan, yakni tahap pelatihan dan tahap pengujian. Setiap tahap terdiri atas proses akuisisi citra, preprocessing berupa proses resizing, konversi citra RGB ke HSV dan grayscale, thresholding, dan ekstraksi ciri. Fitur warna hue, saturation, value dan fitur tekstur contrast, correlation, energy, homogeneity, dan entropy dijadikan dasar dalam mengklasifikasikan kematangan. Dalam penelitian ini digunakan sebanyak 120 citra digital yang ditangkap menggunakan kamera smartphone beresolusi 64 MP dari jarak 25 cm tanpa bantuan pencahayaan dengan background berwarna putih. Teknik validasi data menggunakan k-fold cross validation dengan membagi data pisang menjadi empat subset (fold), masing-masing berukuran 30 data pisang, yakni 10 pisang mentah, 10 pisang sedang, dan 10 pisang matang. Analisis dilakukan sebanyak empat kali iterasi (skenario) dimana masing-masing fold dijadikan sebagai data uji secara bergantian, sementara subset yang lainnya digunakan sebagai data latih. Hasil penelitian menunjukkan bahwa model Naïve Bayes cukup baik dalam mengklasifikasikan tingkat kematangan buah pisang dengan rata-rata akurasi sebesar 66,67%, dengan rincian akurasi sebesar 66,67% pada skenario 1, 63,33% pada skenario 2, 80% pada skenario 3, dan 56,67% pada skenario 4. Sementara itu, model K-Nearest Neighbor (KNN) baik dalam mengklasifikasikan tingkat kematangan buah pisang dengan akurasi tertinggi 96,67% pada skenario 1 untuk k=1, 100% pada skenario 2 untuk k=1 sampai k=10, 100% pada skenario 3 untuk k=1 sampai k=5, dan akurasi 100% pada skenario 4 untuk k=6, k=7, dan k=8. Berdasarkan hasil penelitian dapat dikatakan bahwa model KNN lebih baik daripada model Naïve Bayes Classifier dalam mengklasifikasikan tingkat kematangan buah pisang. Hal ini diyakini karena KNN bekerja menggunakan kesamaan fitur, sedangkan model Naïve Bayes menggunakan konsep probabilitas.
| Item Type: | Thesis (Masters) |
|---|---|
| Uncontrolled Keywords: | Kematangan, Pisang, HSV, GLCM, Naïve Bayes, KNN |
| Subjects: | L Education > L Education (General) |
| Divisions: | Pascasarjana > Program Studi Ilmu Komputer (S2) |
| Depositing User: | Putu Bayu Ariska Putra Gotama |
| Date Deposited: | 10 Feb 2025 12:18 |
| Last Modified: | 10 Feb 2025 12:18 |
| URI: | http://repo.undiksha.ac.id/id/eprint/23156 |
Actions (login required)
 |
View Item |