MUHAMMAD SURYANTO RUSTAM, 218280014 (2025) KLASIFIKASI TINGKAT KEMATANGAN TOMAT MENGGUNAKAN ALGORITMA KNN (K-NEAREST NEIGHBOR) BERBASIS CITRA DIGITAL. Other thesis, UNIVERSITAS MUHAMMADIYAH PAREPARE.
SAMPUL_218280014_MUHAMMAD SURYANTO RUSTAM_TEKNIK INFORMATIKA.pdf - Cover Image
Download (215kB)
PENDAHULUAN_218280014_MUHAMMAD SURYANTO RUSTAM_TEKNIK INFORMATIKA.pdf - Supplemental Material
Download (899kB)
LAMPIRAN_218280014_MUHAMMAD SURYANTO RUSTAM_TEKNIK INFORMATIKA.pdf - Supplemental Material
Download (240kB)
Abstract
MUHAMMAD SURYANTO RUSTAM. Klasifikasi Tingkat Kematangan Tomat Menggunakan Algoritma KNN (K-Nearest Neighbor) Berbasis Citra Digital (Dibimbing Oleh Marlina dan Mughaffir Yunus).
Penelitian ini bertujuan untuk mengklasifikasikan tingkat kematangan tomat ke dalam tiga kategori—mentah, setengah matang, dan matang—menggunakan algoritma K-Nearest Neighbor (KNN) berbasis citra digital. Dataset yang digunakan terdiri dari 300 citra tomat yang diambil dari lahan pertanian di Kabupaten Enrekang, Sulawesi Selatan, dengan distribusi merata pada setiap kategori kematangan. Proses preprocessing meliputi resizing citra menjadi 200×200 piksel, konversi warna dari RGB ke HSV, dan normalisasi nilai piksel. Fitur yang digunakan dalam klasifikasi adalah nilai rata-rata Hue, Saturation, dan Value dari setiap citra. Algoritma KNN dengan parameter K=3 diaplikasikan untuk membandingkan jarak Euclidean antara data uji dan data latih. Hasil pengujian menunjukkan akurasi per kategori mencapai 100%, dan akurasi keseluruhan sebesar 90%. Temuan ini membuktikan bahwa kombinasi model warna HSV dan KNN efektif dalam membedakan tingkat kematangan tomat, serta berpotensi diimplementasikan dalam sistem penyortiran otomatis untuk meningkatkan efisiensi pasca panen di sektor pertanian.
| Item Type: | Thesis (Other) |
|---|---|
| Uncontrolled Keywords: | Klasifikasi, Tomat, KNN, HSV, Pengolahan Citra Digital |
| Subjects: | Sains dan Teknologi |
| Divisions: | Fakultas Teknik > Teknik Informatika |
| Depositing User: | Hairan ald |
| Date Deposited: | 29 Oct 2026 00:19 |
| Last Modified: | 29 Oct 2026 00:19 |
| URI: | https://repository.umpar.ac.id/id/eprint/1205 |
