Komparasi Hasil Algoritma Machine Learning Berbasis HSV Color Model Untuk Klasifikasi Citra Jenis Sayuran

Abstrak

Saat ini, riset tentang klasifikasi sayuran telah mengalamai banyak kemajuan. Pembelajaran mesin telah diusulkan dalam beberapa tahun terakhir dan telah dibuat dalam pengenalan gambar, visi komputer, dan bidang lainnya. Penelitian ini bertujuan untuk melakukan klasifikasi produk sayuran sebagai bagian dari riset klasifikasi objek yang bertugas yang secara inheren lebih kompleks daripada subset klasifikasi objek lainnya. Penelitian ini akan menggunakan model K-Nearest Neighbor (KNN) untuk melakukan klasifikasi jenias sayuran, namun dengan penambahkan fitur HSV color space model. Untuk melihat kinerja K-Nearest Neighbor (KNN) terhadap algoritma machine learning lain, maka akan dilakukan perbandingan dengan algoritma support vector machine, logistic regression dan naïve bayes. Dari hasil eksperimen, didapatkan algoritma KNN mendapatkan accuracy sebesar 80.67%, SVM mendapatkan accuracy sebesar 72.23%, LR mendapatkan accuracy sebesar 61.19%, NB mendapatkan accuracy sebesar 48.77% dan HSV-KNN mendapatkan accuracy sebesar 84.33%