Pembuatan Dataset Biji Jagung: Klasifikasi Menggunakan K-Nearest Neighbor
DOI:
https://doi.org/10.36085/jtis.v8i2.8918Keywords:
Klasifikasi, Dataset, k-nearest neighbor, biji jagungAbstract
Jagung adalah salah satu tanaman pangan penghasil karbohidrat yang penting di Indonesia, selain padi dan gandum. Jenis jagung biasa dilihat dari bentuknya. Mengklasifikasikan jenis jagung bisa dikatakan cukup sulit karena bentuk biji jagung sangatlah beragam, saat ini kita memasuki zaman modern, dimana zaman yang sudah maju ini klasifikasi jenis jagung bisa menggunakan pengolahan citra digital. Salah satu cara untuk meningkatkan akurasi dalam proses grading benih jagung adalah dengan menggunakan teknologi pengolahan citra digital. Dalam citra digital klasifikasi bentuk sebuah objek bisa menggunakan beragam metode salah satunya seperti K-Nearest Neighbors, Ada beberapa tahapan dalam penelitian ini seperti pembentukan dataset,preprocesing, penerapan algoritma k-nearest neighbor, pengujian, analisis akhir. berdasarkan penelitian yang telah dilakukan, dapat disimpulkan bahwa algoritma k-nearest neighbor dalam pengolahan citra digital mampu terbukti efektif dalam mengklasifikasi biji jagung. pada tahap latih dengan nilai K=1 mendapatkan akurasi 100% dan pada tahapan pertama tingkat akurasi yang didapat sebesar 78%, tahapan kedua mendapatkan akurasi sebesar 80,3% dan tahapan terakhir mendapatkan akurasi sebesar 76,5% dengan dijumlahkan ketiganya dan di bagi tiga mendapatkan hasil sebesar 78,26%. meskipun demikian, masih terdapat beberapa keterbatasan dalam penelitian ini, seperti pengaruh pencahayaan, resolusi gambar, dan kondisi fisik biji jagung yang dapat mempengaruhi akurasi deteksi akan lebih bagus jika menggunakan kamera professional. oleh karena itu, pengembangan lebih lanjut diperlukan, seperti integrasi dengan machine learning atau kecerdasan buatan (AI) untuk meningkatkan efisiensi dan akurasi sistem klasifikasi biji jagung dimasa mendatang.
References
Astiningrum, Mungki, Arie Rachmad Syulistyo, and M Alfin Zakariya. “Warna Dan Tekstur Menggunakan HSV DAN GRAY LEVEL RUN LENGTH MATRIX ( GLRLM ).” : 37–44.
Christopher, Arvin, and Teady Matius Surya Mulyana. 2022. “Klasifikasi Tumbuhan Angiospermae Menggunakan Algoritma K-Nearest Neighbor Berdasarkan Pada Bentuk Daun.” 07: 1233–43.
Fauzi, Mohammad et al. 2023. “Penerapan Algoritma K-Nearest Neighbor Dalam Klasifikasi Penyakit Jantung.” 4(4): 850–60.
Lutfi, Moch. 2019. “Implementasi Metode K-Nearest Neighbor Dan Bagging Untuk Klasifikasi Mutu Produksi Jagung.” 10(2): 130–37.
Maulidiansyah, and Isnaini Abdillah. 2023. “Klasifikasi Jenis Jagung Berdasarkan Bentuk Biji Menggunakan Metode You Only Look Once ( YOLO ) by Maulidiansyah Maulidiansyah.” 2023.
Rachmat, Antonius, and Yuan Lukito. 2016. “SENTIPOL: Dataset Sentimen Komentar Pada Kampanye PEMILU Presiden Indonesia 2014 Dari Facebook Page.” Konferensi Nasional Teknologi Informasi dan Komunikasi 2016 (December): 218–28. http://publikasi-fti.ukdw.ac.id/Paper_Klasifikasi_Komentar_Spam_pada_Instagram_Berbahasa_Indonesia_Menggunakan_K_NN_Yuan_Lukito.pdf.
Rosiani, Ulla Delfana, Mustika Mentari, and Andi Novan Prastya. “Klasifikasi Kualitas Biji Jagung Berdasarkan Deteksi Warna Dan Bentuk Menggunakan Metode.”
Salsabila, Balqis Hasna, Favian Dewanta, and Hilal Hudan Nuha. 2023. “Pembuatan Dataset Benih Padi Varietas Ciherang Berbasis Sistem Pengolahan Citra.” 10(5): 4253–56.
Wang, L I N. 2020. “Tinier-YOLO : A Real-Time Object Detection Method for Constrained Environments.” IEEE Access 8: 1935–44.
Zahara, Muhamad, Anugrah Putra, Feri Candra, and Esa Prakasa. 2024. “Klasifikasi Kualitas Varietas Benih Jagung Bima 20 Menggunakan Metode Random Forest.” 10(2): 367–85.
