<![CDATA[ABSTRAK Tulisan ini dilakukan untuk membandingkan metode klasifikasi K-nearest neigbourhood (KNN) dan Linear Discriminant Analysis (LDA) dengan variabel R-G dan R-G-B dari citra buah belimbing untuk memprediksi tingkat kemanisan buah belimbing. Pengenalan digunakan untuk mengelompokkan buah belimbing menjadi tiga kelas yaitu kelas manis, sedang dan asam. Pada tahapan pra proses dilakukan reduksi citra dengan menggunakan analisis komponen utama 2 dimensi (2D-PCA). Percobaan dilakukan dengan menggunakan 3 fold cross validation. Hasil yang didapatkan dari penelitian ini menyatakan bahwa Klasifikasi ini dapat digunakan untuk mengklasifikasi belimbing kelas asam dengan tepat sedangkan kelas lainnya ketepatannya tidak mencapai 100%. Metode KNN dengan variabel RG menghasilkan akurasi sebesar 80 %, sedang KNN dengan variabel RGB menghasilkan akurasi sebesar 91 %. Teknik LDA linier maupun LDA dengan ukuran jarak mahalanobis menghasilkan akurasi sebesar 91 %. Kata kunci : KNN, LDA, RG, RGB, Klasifikasi Belimbing ABSTRACT This paper want to compare classification method between k-nearest neighbor (KNN) and linier discriminant analysis (LDA) from starfruit image for sweetness prediction of starfruit. Recognition is used to classify starfruit in sweet, medium and sour class. Classification is done with R-G and R-G-B predictor feature with 3 fold cross validation. Image reduction is then conducted in the Pre-process step by using 2D principal componen analysis. Result of this research denotes this classifier can classify sour starfruit class precisely while sweet and medium classes are less precise. Accuracy of KNN method with RG variable is 81%, while KNN, LDA linier and LDA with mahalanobis distance with RGB variable is 91%. Keyword: KNN, LDA, RG, RGB, starfruit classification]]>
Copyrights © 2013
