MEMBANDINGKAN KLASIFIKASI PADA BUAH JERUK MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK DAN K-NEAREST NEIGHBOR

Abstract

Jenis jeruk di Indonesia beraneka ragam dengan ciri-cirinya yang berbeda. Di Indonesia termasuk daerah subtropis yang sangat cocok ditanami tanaman buah jeruk dengan suhu rata-rata 20-25℃. Buah jeruk mempunyai peluang yang baik untuk dikembangkan karena dapat dijumpai di setiap musim. Tamanan jeruk juga mudah dan relevan untuk ditanami dengan semua kondisi cuaca baik di dataran tinggi atau dataran rendah. Tanaman jeruk menjadi salah satu komoditas terbesar di setiap daerah provinsi. Salah satunya jenis jeruk keprok yang memiliki kandungan vitamin C yang banyak. Kandungan vitamin C pada buah jeruk dapat digunakan untuk mencegah penyakit influenza. Kandungan lain yang dimiliki buah jeruk yaitu zat fosfor dan zat kapur yang baik untuk pertumbuhan tulang pada anak-anak. Ciri-ciri buah jeruk dilihat berdasarkan warna kulit, tekstur kulitnya yang halus, tipis, mengkilap, dan tegas. Namun terkadang konsumen masih kesulitan dalam memilih antara buah jeruk yang matang dan belum matang secara manual. Oleh sebab itu, untuk mengurangi kesalahan dalam memilih buah jeruk dapat dilakukan dengan Computer Vision dimana bisa menggunakan aplikasi deteksi menggunakan kamera. Berdasarkan ciri-cirinya yang dijadikan sebagai acuan untuk proses klasifikasi ini menggunakan Algoritma K-Nearest Neighbor dan Convolutional Neural Network untuk memperoleh hasil perbandingan. Pada proses klasifikasi menggunakan sampel data latih dan data uji. Proses klasifikasi ini mengubah sampel gambar asli menjadi warna grayscale menggunakan aplikasi matlab. Pada sampel gambar juga dapat melihat apakah pada buah jeruk masih terdapat noise maupun tidak. Dapat disimpulkan bahwa dari kedua algoritma tersebut dihasilkan Convolutional Neural Network mendapatkan nilai tingkat akurasi lebih besar dibandingkan K-Nearest Neighbor.