Putra, Hilmy Farras
(2025)
IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOR (KNN) UNTUK KLASIFIKASI CITRA BUAH MANGGA HARUMANIS BERKUALITAS DENGAN EKSTRASI CIRI WARNA RGB.
S1 / D3 thesis, Universitas Kuningan.
Abstract
Abstrak
Teknologi terus berkembang dan kini mudah diakses. Akibat kemajuan tersebut, bermunculan berbagai proyek penelitian, salah satunya yang belakangan mendapat perhatian adalah sistem klasifikasi citra digital. Salah satu fokusnya adalah variasi kualitas antar jenis buah, seperti mangga (Mangifera Indica) di Indonesia.
Negara ini merupakan rumah bagi beberapa jenis mangga, antara lain : golek, manalagi, harumanis, gedong gincu, madu dan lain-lain. Meskipun mangga harumanis terkenal karena rasa manis dan ketersediaannya, masih ada orang yang kesulitan memilih mangga harumanis berkualitas tinggi.
Dari sinilah penelitian tersebut dilakukan. Penelitian tersebut bertujuan untuk mengklasifikasikan mangga harumanis berdasarkan warna kulit dengan menggunakan algoritma k-nearest neighbor (KNN). KNN akan dinilai kinerjanya dalam proses klasifikasi dan keakuratannya dalam membedakan kualitas buah mangga harumanis. Pengujian akan memanfaatkan data gambar dalam format .jpeg.
Kata Kunci : Mangga Harumanis, Klasifikasi, Citra Digital, K-Nearest Neighbor (KNN).
Abstract
Technology is continually evolving and is now readily accessible. As a result of these advancements, various research projects have emerged, one of which has recently gained attention is the digital image classification system. One area of focus is the variation in quality among different types of fruit, such as the mango (Mangifera indica.) in Indonesia.
The country is home to several varieties of mango, including: golek, manalagi, harumanis, gedong gincu, honey, and others. While the harumanis mango is popular for its sweetness and availability, there are still individuals who struggle to select a high-quality harumanis mango.
This is where the research comes in. The study aims to classify harumanis mangoes based on skin color using the k-nearest neighbor (KNN) algorithm. KNN will be assessed for its performance in the classification process and its accuracy in distinguishing the quality of harumanis mango fruit. The test will utilize image data in .jpeg format.
keyword : Harumanis Mango, Classification, Digital Image, K-Nearest Neighbor (KNN).
Actions (login required)

- View Item