Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal Prosiding Seminar Nasional Teknologi Informasi dan Bisnis
Heru Lestiawan
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering Physics

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Klasifikasi Kualitas Buah Melinjo Menggunakan K-NN Cahaya Jatmoko; Daurat Sinaga; Heru Lestiawan; Christy Atika Sari
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2022
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (319.549 KB)

Abstract

Banyaknya industri pengolahan yang memanfaatkanmelinjo sebagai bahan baku serta pasar yang membutuhkan melinjountuk konsumsi segar juga turut mempengaruhi potensi untukpengembangan budidaya melinjo. Di Indonesia penentuan kualitasbuah melinjo kebanyakan menggunakan cara konvensional denganmengamati buah secara manual. Pemilahan hasil panen terutamabuah-buahan dapat dilakukan secara otomatis menggunakan highperformance liquid chromatography, pencitraan nearinfrared, dansensor gas, namun cara tersebut membutuhkan perangkat yang mahaldan operator professional. Penelitian ini mengusulkan analisiskualitas buah melinjo berdasarkan pengolahan citra. Denganmenggunakan algoritma K-Nearest Neighbor (KNN) dalammengklasifikasikan buah melinjo ke dalam dua kelompok, yaitu baikdan buruk, serta attribut yang digunakan dalam pengklasifikasianberupa fitur ekstraksi RGB. Berdasarkan hasil eksperimen metode(KNN) mempunyai performa yang baik, dibuktikan dari hasil akurasiyang tinggi. Dari 100 dataset dibagi menjadi data training 70 citradan data testing 30 citra. Hasil pengujian menggunakan data testingyaitu 28 citra masuk kategori benar dalam klasifikasi dan 2 salahsehingga menghasilkan akurasi 93 %, precision 94 persen dan recall94 persen.
Co-Authors Cahaya Jatmoko Christy Atika Sari Daurat Sinaga