METODE K-NEAREST NEIGHBOR DAN FITUR WARNA UNTUK KLASIFIKASI DAUN SIRIH BERDASARKAN CITRA DIGITAL

Abstract

Sirih (Piper betle L.) merupakan spesies dalam genus Piper yang sangat dikenal masyarakat. Sirih terdiri dari beberapa jenis yaitu sirih merah, sirih wulung, sirih hijau, sirih emas, dan sirih hitam. Namun, masyarakat masih memerlukan bantuan untuk membedakan berbagai jenis sirih. Penelitian ini menerapkan teknik image processing untuk mendeteksi daun sirih yang berbeda menggunakan teknik klasifikasi dengan tahapan segmentasi dan ekstraksi ciri. Metode klasifikasi yang digunakan adalah metode K-Nearest Neighbor (KNN) yang dilakukan pada objek daun sirih untuk menentukan jenis daun sirih. Metode ini terdiri dari 5 tahap yaitu deteksi Region of Interest (ROI), preprocessing, segmentasi, ekstraksi fitur orde 1, dan klasifikasi. Data citra yang digunakan sebanyak 360, terbagi menjadi 300 data latih dan 60 data uji. Hasil klasifikasi kemudian dibagi menjadi tiga jenis sirih yaitu sirih merah, sirih hijau, dan sirih hitam. Tingkat akurasi hasil klasifikasi jenis daun sirih dideteksi menggunakan Confusion Matrix Multi Class berdasarkan kedekatan karakteristik statistik. Hasil penelitian menunjukkan bahwa fitur Orde 1 yang digunakan dalam penelitian ini sesuai dengan sistem klasifikasi daun sirih. Hasil uji klasifikasi menggunakan Confusion Matrix Multi yang mencapai nilai akurasi sebesar 97,77%. Hasil penelitian menunjukkan bahwa fitur Orde 1 yang digunakan dalam penelitian ini sesuai dengan sistem klasifikasi daun sirih. Hasil uji klasifikasi menggunakan Confusion Matrix Multi yang mencapai nilai akurasi sebesar 97,77%. Hasil penelitian menunjukkan bahwa fitur Orde 1 yang digunakan dalam penelitian ini sesuai dengan sistem klasifikasi daun sirih. Hasil uji klasifikasi menggunakan Confusion Matrix Multi yang mencapai nilai akurasi sebesar 97,77%.