Klasifikasi Kematangan Buah Pala Menggunakan Metode K Nearest Neighbor (k-NN) Dengan Memanfaatkan Teknologi Citra Digital

Ekstraksi fitur merupakan pengekstrakan data untuk mencari ciri khusus dari sebuah objek yang akan menjadi pembeda antara satu objek dengan objek lain. Dalam penelitian ini, akan melakukan ekstraksi menggunakan (HSV) dengan Zernike, mengklasifikasi buah pala menggunakan metode k-Nearest Neighbor (k-NN) dan mengukur akurasi metode k-Nearest Neighbor (k-NN). Tahap dalam penelitian ini meliputi preprocessing yaitu perubahan dimensi citra dari ukuran 1024 x 768 menjadi 150 x 150. Segmentasi citra menggunakan metode Thresholding untuk membuat nilai background menjadi nol atau background manjadi hitam. Ekstraksi menggunakan metode Hue, Saturation, Value (HSV) dan Zernike. Tahap terakhir melakukan klasifikasi menggunakan k-Nearest Neighbor (k-NN). Berdasarkan penelitian yang telah dilakukan, maka dapat disimpulkan salah satu tingkat akurasi terbaik yang didapatkan dari pengujian data testing memiliki rata-rata akurasi yaitu K=3 akan menghasilkan keakuratan sebesar 68%. Sehingga sistem klasifikasi kematangan buah pala berdasarkan ekstraksi fitur warna Hue, Saturation, Value (HSV) dan moment Zernike menggunakan metode k-Nearest Neighbors (k-NN) tersebut layak untuk digunakan sebagaimana mestinya.