UNITY ACADEMYUNITY ACADEMY

Jurnal Ilmu Komputer dan Sistem InformasiJurnal Ilmu Komputer dan Sistem Informasi

Kualitas apel merupakan aspek krusial dalam industri pertanian dan pengolahan makanan. Penilaian kualitas ini sangat penting untuk memenuhi standar konsumen dan memastikan kepuasan pelanggan. Penelitian ini mengeksplorasi penggunaan algoritma K-nearest Neighbor (KNN) yang dioptimalkan dengan Particle Swarm Optimization (PSO) untuk klasifikasi kualitas apel berdasarkan atribut ukuran, berat, rasa manis, kerenyahan, kelembapan, kematangan, dan keasaman. Dataset yang digunakan mencakup 4000 sampel apel yang telah diukur dan dievaluasi berdasarkan atribut-atribut tersebut. Hasil penelitian menunjukkan bahwa pengaturan ukuran populasi dan bobot inertia pada algoritma PSO berhasil mengoptimalkan kinerja KNN dalam klasifikasi kualitas buah apel. Kombinasi ukuran populasi dan beban inertia pada algoritma PSO dapat meningkatkan akurasi KNN hingga mencapai nilai akurasi sebesar 91.15% dengan nilai recall 89.53% dan precision 92.59%. Penelitian ini juga memiliki nilai akurasi yang lebih baik dibandingkan penelitian sebelumnya terhadap klasifikasi kualitas buah apel.

Penelitian ini berhasil mengoptimalkan kinerja KNN dalam klasifikasi kualitas buah apel melalui penggunaan algoritma PSO.Kombinasi yang tepat dari ukuran populasi dan bobot inertia pada PSO terbukti meningkatkan akurasi klasifikasi.Hasil penelitian menunjukkan akurasi tertinggi sebesar 91.15%, yang lebih baik dibandingkan penelitian sebelumnya.Penelitian ini memberikan kontribusi penting dalam penerapan teknologi pembelajaran mesin untuk meningkatkan efisiensi dan akurasi penilaian kualitas apel.

Penelitian lanjutan dapat dilakukan dengan menambahkan fitur-fitur baru pada dataset, seperti data tekstur atau kandungan gula, untuk meningkatkan akurasi model klasifikasi. Selain itu, eksplorasi metode optimasi lain selain PSO, seperti Algoritma Genetika atau Differential Evolution, dapat dibandingkan untuk melihat metode mana yang memberikan hasil terbaik. Pengembangan sistem klasifikasi kualitas apel secara real-time menggunakan kamera dan sensor dapat menjadi arah penelitian yang menarik, memungkinkan penilaian kualitas apel secara otomatis dan cepat di lapangan atau di pabrik pengolahan. Penelitian ini dapat membantu petani dan industri makanan untuk meningkatkan efisiensi dan kualitas produk apel mereka, serta memenuhi standar kualitas yang diinginkan oleh konsumen. Dengan demikian, penelitian lebih lanjut dapat fokus pada integrasi sistem ini dengan teknologi Internet of Things (IoT) untuk pemantauan kualitas apel secara berkelanjutan dan pengambilan keputusan yang lebih cerdas.

  1. Jurnal RESTI (Rekayasa Sistem dan Teknologi Informas)i. perbandingan support vector machine modified... doi.org/10.29207/resti.v5i2.3008Jurnal RESTI Rekayasa Sistem dan Teknologi Informas i perbandingan support vector machine modified doi 10 29207 resti v5i2 3008
  2. Klasifikasi Kematangan Buah Apel Berdasarkan Warna Dan Tekstur Menggunakan Algoritma K-Nearest Neighbor... doi.org/10.46772/intech.v5i1.1119Klasifikasi Kematangan Buah Apel Berdasarkan Warna Dan Tekstur Menggunakan Algoritma K Nearest Neighbor doi 10 46772 intech v5i1 1119
  3. Klasifikasi Kualitas Buah Apel Berdasarkan Warna dan Bentuk Menggunakan Metode KNN | Generation Journal.... ojs.unpkediri.ac.id/index.php/gj/article/view/21052Klasifikasi Kualitas Buah Apel Berdasarkan Warna dan Bentuk Menggunakan Metode KNN Generation Journal ojs unpkediri ac index php gj article view 21052
Read online
File size418.22 KB
Pages16
DMCAReport

Related /

ads-block-test