Klasifikasi Buah Pinang Berdasarkan Data Sensor Menggunakan Metode K-Nearest Neighbor Berbasis Web

Abstract

Buah Pinang merupakan salah satu jenis buah yang banyak diekspor dan memiliki manfaat dalam bidang kecantikan, pewarna makanan serta sebagai bahan baku untuk industri tekstil. Proses klasifikasi buah pinang secara manual membutuhkan waktu dan tenaga yang banyak. Sehingga untuk membantu mempercepat dan mempermudah proses klasifikasi buah pinang dibutuhkan sistem klasifikasi yang dapat mengenali buah pinang berdasarkan warna dalam berbagai tingkat kematangan buah yaitu mentah, matang dan tua. Penelitian ini menggunakan metode K-Nearest Neighbor (K-NN) untuk proses klasifikasi buah pinang. Data yang digunakan sebanyak 600 data yang diperoleh dari sensor, terdiri dari 200 buah pinang mentah, 200 buah pinang matang, dan 200 buah pinang tua. Parameter yang digunakan yaitu mentah, matang dan tua dengan rentang nilai Red, Green, Blue (RGB) yang berbeda setiap kondisinya. Pengujian menggunakan nilai ketetanggaan (K) yaitu 5, 7, 9 dan 11 dan diperoleh nilai ketetanggaan (K) terbaik adalah K = 7. Hasil pengujian dilakukan menggunakan confusion matrix didapatkan nilai accuracy sebesar 98,33%, recall sebesar 97,24%, dan precision sebesar 100%.