Penerapan Algoritma K-Nearestneighbor (K-Nn) pada Klasifikasi Kualitas Hasil Pengeringan Bunga Cengkih

Abstract

Clove farmers in the Kare sub-district, Madiun district, still use the sense of sight to determine the quality of the dried clove harvest, whose shortcomings are still subjective. Therefore, in this study, a system is proposed that can classify whether the use of the K-Nearest Neighbor (K-NN) algorithm is accurate when used to classify the quality of the clove harvest. Based on the results of data input that has been done with the number of sample data (quality 1) amounting to 9 data, sample data (quality 2) totaling 9 data, sample data (not cloves) amounting to 3 data and test data totaling 15 data, the classification can be run. The results of the research on drying clove flower classification using the K-Nearest Neighbors (KNN) algorithm by processing black pixels and white pixels obtained from changing the clove image to greyscale and then the threshold with a threshold value of 95, 255 obtained a percentage level of 80%.

Keywords: Cengkih, Klasifikasi, python, K-Nearest Neighbor (K-NN)

Abstrak

 Petani cengkih di kecamatan Kare kabupaten Madiun masih menggunakan indra penglihatan untuk mengetahui kualitas hasil pengeringan panen cengkih yang kekurangannya masih bersifat subjektif. Maka dari itu Pada penelitian ini, diajukan sebuah sistem yang dapat mengklasifikasikan apakah penggunaan algoritma K-Nearest Neighbor (K-NN) akurat saat digunakan untuk klasifikasi kualitas hasil pangeringan panen cengkih. Berdasarkan hasil input data yang telah dilakukan dengan jumlah data sempel (kualitas 1) berjumlah 9 data, data sempel (kualitas 2) berjumlah 9 data, data sempel (bukan cengkih) berjumlah 3 data dan data uji berjumlah 15 data, klasifikasi sudah bisa dijalankan. Hasil penelitian klasifikasi pengeringan bunga cengkih dengan menggunakan algoritma K-Nearest Neighbors (KNN) dengan memproses pixel hitam dan pixel putih yang didapatkan dari mengubah citra cengkih ke greyscale lalu threshold dengan nilai threshold 95, 255  di peroleh tingkat presentase sebesar 80%.

 Kata Kunci : Cengkih, Klasifikasi, python, K-Nearest Neighbor (K-NN)