KLASIFIKASI CITRA BUAH TOMAT DENGAN EKSTRAKSI HSV DAN LOCAL BINARY PATTERN (LBP) MENGGUNAKAN METODE K-NEAREST NEIGHBORS (K-NN)

Penelitian ini membahas tentang bagaimana cara mengklasifikasi citra buah tomat dengan menggunakan ekstraksi HSVdan LBP serta penerapan algoritma KNN. Pada tahap ekstraksi warna HSV, nilai hue, saturation, dan value diekstraksi dari setiap citra buah tomat. Sedangkan pada tahap ekstraksi tekstur LBP pola biner lokal diambil dari citra dan dihitung untuk mewakili tekstur citra. Metode klasifikasi KNN digunakan untuk mengklasifikasikan citra buah tomat berdasarkan vektor fitur yang diperoleh. Dengan membandingkan vektor fitur citra uji dengan tetangga terdekat dalam ruang fitur, citra uji diklasifikasi ke dalam salah satu kelas buah tomat yang telah ditentukan. Hasil eksperimen menunjukkan bahwa pendekatan gabungan antara ekstraksi warna HSV dan ekstraksi tekstur LBP diikuti oleh klasifikasi KNN menghasilkan tingkat akurasi yang sangat tinggi dalam mengklasifikasikan citra buah tomat. Nilai akurasi yang diperoleh mengindikasikan bahwa pendekatan ini dapat menjadi metode yang efektif untuk klasifikasi citra buah tomat dengan keberhasilan yang signifikan.