UNIKOMUNIKOM
Telekontran : Jurnal Ilmiah Telekomunikasi, Kendali dan Elektronika TerapanTelekontran : Jurnal Ilmiah Telekomunikasi, Kendali dan Elektronika TerapanArbila (Phaseolus lunatus L.) adalah legum pangan dari keluarga Fabaceae (Leguminosae) yang dapat diklasifikasikan menjadi dua kategori: Arbila yang aman untuk konsumsi manusia dan hewan ternak, serta Arbila yang mengandung konsentrasi asam sianida yang berbahaya. Variasi warna dan tekstur biji Arbila dapat menyebabkan kesalahan dalam pemilahan manual oleh masyarakat. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan model yang dapat membantu identifikasi jenis biji Arbila. Dalam penelitian ini, digunakan tiga fitur warna berdasarkan model HSV (Hue, Saturation, dan Value) dan empat fitur tekstur berdasarkan GLCM (Gray Level Co-Occurrence Matrix) sebagai parameter input untuk klasifikasi. Metode yang diterapkan adalah k-NN (k-Nearest Neighbor), menggunakan total 600 citra dari 10 jenis biji Arbila. Eksperimen dilakukan dengan berbagai nilai k (1, 3, 5, 7, dan 9) serta menerapkan 10-fold Cross-Validation untuk menguji performa sistem. Hasil penelitian menunjukkan bahwa nilai akurasi maksimum rata-rata yang dicapai adalah 89,33% pada nilai k = 1, sedangkan akurasi terendah adalah 79,33% pada k = 9. Dengan demikian, disimpulkan bahwa model terbaik untuk klasifikasi citra biji Arbila di Kabupaten Kupang adalah k-NN dengan k = 1. Model ini berpotensi untuk dikembangkan menjadi sistem klasifikasi yang dapat membantu masyarakat dalam pemilihan biji Arbila yang tepat, sehingga meningkatkan produksi ternak dan gizi masyarakat.
Penelitian ini telah berhasil mengembangkan model klasifikasi biji Arbila (Phaseolus lunatus L.) menggunakan metode k-Nearest Neighbor (k-NN) yang menggabungkan ekstraksi fitur warna dalam model HSV dan tekstur menggunakan Gray Level Co-Occurrence Matrix (GLCM).Dari sepuluh jenis biji Arbila yang diteliti, model klasifikasi menunjukkan kinerja yang sangat baik, terutama pada nilai k = 1, yang mencapai rata-rata akurasi 89,33%.Model ini berhasil mengidentifikasi 70% dari jenis biji yang diuji dengan akurasi 100%, menunjukkan efektivitas fitur yang digunakan dalam membedakan jenis biji Arbila.Penelitian ini tidak hanya memberikan kontribusi terhadap peningkatan akurasi klasifikasi biji Arbila tetapi juga membuka peluang untuk pengembangan lebih lanjut dengan memanfaatkan kombinasi fitur warna dan tekstur.Dengan demikian, penelitian ini dapat memberikan manfaat signifikan bagi pengembangan pertanian lokal dan kesehatan masyarakat melalui pemilihan biji Arbila yang tepat.
Saran penelitian lanjutan dapat difokuskan pada pengembangan model yang lebih adaptif dalam mengidentifikasi biji Arbila, terutama untuk jenis-jenis yang memiliki ciri yang sangat mirip. Selain itu, penelitian dapat mengeksplorasi kombinasi metode klasifikasi lain yang dapat meningkatkan akurasi dan efisiensi sistem. Dengan mempertimbangkan hasil penelitian ini, studi lanjutan dapat berfokus pada pengembangan algoritma yang lebih canggih dan akurat untuk klasifikasi biji Arbila, dengan mempertimbangkan berbagai faktor seperti ukuran dataset, variasi warna dan tekstur, serta karakteristik unik dari setiap jenis biji. Penelitian lebih lanjut juga dapat mengeksplorasi penggunaan teknik pengolahan data tambahan untuk mengurangi overlap dalam fitur yang digunakan untuk klasifikasi, sehingga meningkatkan akurasi dan mengurangi kesalahan dalam identifikasi biji Arbila.
- Klasifikasi Citra Burung Jalak Bali dengan Menggunakan Algoritma K-Nearest Neighbor (KNN) | Mulyana |... jurnal.unmuhjember.ac.id/index.php/ELKOM/article/view/9337Klasifikasi Citra Burung Jalak Bali dengan Menggunakan Algoritma K Nearest Neighbor KNN Mulyana jurnal unmuhjember ac index php ELKOM article view 9337
- KLASIFIKASI JENIS BUAH APEL DENGAN METODE K-NEAREST NEIGHBORS DENGAN EKSTRAKSI FITUR HSV DAN LBP | Jurnal... doi.org/10.32736/sisfokom.v8i1.610KLASIFIKASI JENIS BUAH APEL DENGAN METODE K NEAREST NEIGHBORS DENGAN EKSTRAKSI FITUR HSV DAN LBP Jurnal doi 10 32736 sisfokom v8i1 610
- COMPARISON OF FEATURE SELECTION TO PERFORMANCE IMPROVEMENT OF K-NEAREST NEIGHBOR ALGORITHM IN DATA CLASSIFICATION... jutif.if.unsoed.ac.id/index.php/jurnal/article/view/471COMPARISON OF FEATURE SELECTION TO PERFORMANCE IMPROVEMENT OF K NEAREST NEIGHBOR ALGORITHM IN DATA CLASSIFICATION jutif if unsoed ac index php jurnal article view 471
- IMPLEMENTASI METODE K-NEAREST NEIGHBOR (KNN) DAN SIMPLE ADDITIVE WEIGHTING (SAW) DALAM PENGAMBILAN KEPUTUSAN... doi.org/10.33369/pseudocode.3.2.98-112IMPLEMENTASI METODE K NEAREST NEIGHBOR KNN DAN SIMPLE ADDITIVE WEIGHTING SAW DALAM PENGAMBILAN KEPUTUSAN doi 10 33369 pseudocode 3 2 98 112
| File size | 575.12 KB |
| Pages | 10 |
| DMCA | Report |
Related /
IAIC PUBLISHERIAIC PUBLISHER The results indicate that different capital flows exert varying impacts on corporate performance. Specifically, private external debt inflows and PortfolioThe results indicate that different capital flows exert varying impacts on corporate performance. Specifically, private external debt inflows and Portfolio
STMIK BANJARBARUSTMIK BANJARBARU Penggunaan media sosial secara intensif di kalangan pelajar berisiko memunculkan gejala Fear of Missing Out (FoMO), yang berdampak negatif pada kesehatanPenggunaan media sosial secara intensif di kalangan pelajar berisiko memunculkan gejala Fear of Missing Out (FoMO), yang berdampak negatif pada kesehatan
STMIKJAYAKARTASTMIKJAYAKARTA Dengan demikian berdasarkan pedoman interpretasi RMSE dapat disimpulkan bahwa tingkat kesalahan seluruh model pengujian dalam penelitian prediksi penjualanDengan demikian berdasarkan pedoman interpretasi RMSE dapat disimpulkan bahwa tingkat kesalahan seluruh model pengujian dalam penelitian prediksi penjualan
POLIBANPOLIBAN Penilaian status gizi pasien dewasa penting untuk memahami kondisi gizi secara menyeluruh dan membantu tenaga kesehatan merencanakan perawatan yang sesuai.Penilaian status gizi pasien dewasa penting untuk memahami kondisi gizi secara menyeluruh dan membantu tenaga kesehatan merencanakan perawatan yang sesuai.
UNIKOMUNIKOM Arsitektur JST yang digunakan adalah 1-10-1 karena memiliki nilai MSE terkecil sebesar 0,0009 dibandingkan 1-5-1 dan 1-15-1. Hasil simulasi Matlab menunjukkanArsitektur JST yang digunakan adalah 1-10-1 karena memiliki nilai MSE terkecil sebesar 0,0009 dibandingkan 1-5-1 dan 1-15-1. Hasil simulasi Matlab menunjukkan
UNIKOMUNIKOM Informasi yang ditampilkan yaitu pemeriksaan indikator, pengukuran fasilitas penunjang dan pembacaan nilai parameter DME. Pengguna dapat mengakses prosedurInformasi yang ditampilkan yaitu pemeriksaan indikator, pengukuran fasilitas penunjang dan pembacaan nilai parameter DME. Pengguna dapat mengakses prosedur
UNIKOMUNIKOM Akurasi saat pengujian di Hutan UI dan Bukit Pelangi, koordinat yang dikirimkan oleh Leader dan dua Pendaki menunjukkan nilai rata-rata selisih antaraAkurasi saat pengujian di Hutan UI dan Bukit Pelangi, koordinat yang dikirimkan oleh Leader dan dua Pendaki menunjukkan nilai rata-rata selisih antara
IAIN CURUPIAIN CURUP Sedangkan analisis isi dilakukan dengan cara melakukan telaah pada muatan nilai-nilai karakter cinta tanah air dalam Buku Digital Madrasah Rumpun MataSedangkan analisis isi dilakukan dengan cara melakukan telaah pada muatan nilai-nilai karakter cinta tanah air dalam Buku Digital Madrasah Rumpun Mata
Useful /
UINMADURAUINMADURA Selain itu, terdapat potensi gharar (ketidakjelasan) dalam transaksi, indikasi riba, dan wanprestasi. Oleh karena itu, dropshipping perlu dilakukan denganSelain itu, terdapat potensi gharar (ketidakjelasan) dalam transaksi, indikasi riba, dan wanprestasi. Oleh karena itu, dropshipping perlu dilakukan dengan
UINMADURAUINMADURA Meskipun mayoritas pelaku usaha menyadari pentingnya sertifikasi halal, tingkat kepemilikan sertifikat masih rendah. Penelitian ini menggunakan pendekatanMeskipun mayoritas pelaku usaha menyadari pentingnya sertifikasi halal, tingkat kepemilikan sertifikat masih rendah. Penelitian ini menggunakan pendekatan
UINMADURAUINMADURA Secara simultan, hasil pengujian menunjukkan bahwa variabel profitabilitas, leverage, dan likuiditas tidak berpengaruh signifikan terhadap manajemen labaSecara simultan, hasil pengujian menunjukkan bahwa variabel profitabilitas, leverage, dan likuiditas tidak berpengaruh signifikan terhadap manajemen laba
POLIBANPOLIBAN Hasil akurasi terbaik didapatkan pada percobaan pertama dengan nilai akurasi 97% dan hyperparameter batch size 32, learning rate 0. 01, dan epoch 5 denganHasil akurasi terbaik didapatkan pada percobaan pertama dengan nilai akurasi 97% dan hyperparameter batch size 32, learning rate 0. 01, dan epoch 5 dengan