KLASIFIKASI CITRA BUAH PISANG DENGAN EKSTRAKSI CIRI GRAY LEVEL CO-OCCURRENCE MATRIX MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORS (K-NN)

Buah pisang tidak hanya memenuhi kebutuhan pasar nasional saja, melainkan memenuhi kebutuhan pasar internasional juga. Karena hal tersebut, mutu buah pisang harus selalu dijaga. Saat ini penyortiran kualitas pisang masih dilakukan secara manual oleh manusia, akibatnya kualitas yang dihasilkan beragam. Oleh sebab itu, diperlukan sebuah sistem atau model untuk klasifikasi buah pisang berbasis teknologi image processing. Saat ini image processing telah diterapkan dalam berbagai sektor, mulai dari sektor industri, sektor medis, sektor komunikasi hingga sektor teknologi informasi dalam identifikasi pola. Penelitian ini bertujuan untuk melakukan klasifikasi citra buah pisang dengan ekstraksi ciri gray level co-occurrence matrix menggunakan algoritma k-nearest neighbors (k-nn). Penelitian ini menggunakan 210 citra, dengan rincian data latih 180 citra dan data uji 30 citra. Tahapan awal melakukan ekstraksi fitur GLCM untuk digunakan sebagai parameter klasifikasi. Tahap kedua adalah melakukan klasifikasi menggunakan algoritma k-nearest neighbors (k-nn). Terdapat tiga kelas dalam penelitian ini, yaitu: cavendish, kepok, dan raja sere. Kemudian tahap ketiga adalah melakukan pengujian algoritma k-nearest neighbors (k-nn) menggunakan confusion matrix berdasarkan nilai k. Hasil akurasi terbaik diperoleh sebesar 90% dari sudut 45 derajat, jarak piksel =1, dan nilai k =1. Tahap terakhir adalah menerapkan hasil penelitian ke dalam GUI Matlab.