KLASIFIKASI KEMATANGAN BUAH MANGGA DENGAN PENDEKATAN CITRA MENGGUNAKAN METODE K-NEAREST NEIGHBOR DAN TRANSFORMASI RUANG WARNA HUE SATURATION INTENSITY

ABSTRAK Petani umumnya mengklasifikasikan kematangan buah mangga dengan mengamati perubahan kekerasan dan warna kulit pada buah mangga. Metode ini memiliki beberapa kelemahan, antara lain proses klasifikasi yang lambat, akurasi yang kurang, dan hasil yang kurang akurat. Untuk mengatasi permasalahan tersebut, dikembangkan suatu sistem untuk mengklasifikasikan tingkat kematangan buah mangga menggunakan algoritma K-Nearest Neighbors (KNN) dan memanfaatkan fitur warna converting RGB (Red, Green, Blue) to HSI (Hue , Saturation, Intensity). Data gambar buah mangga pada penelitian ini menggunakan data citra sebanyak 390 dibagi menjadi 300 data uji (training) dengan masing masing 100 citra yang dikelompokkan ke dalam tingkat matang, muda, busuk dan 90 data uji (testing) yang dikelompokkan ke dalam tingkat matang, muda, busuk dengan masing-masing 30 data uji. Hasilnya menunjukkan efektivitas KNN dan HSI dalam menentukan tingkat kematangan buah mangga secara akurat. Dari penelitian ini didapatkan hasil akurasi dari mangga matang sebesar 86%, mangga muda 84% dan mangga busuk 88% dari nilai K=17 dengan hasil data yang akurat sebanyak 62 data citra dan hasil klasifikasi yang tidak akurat sebanyak 28 citra.

Kata Kunci: Mangga, KNN (K-Nearest Neighbors), Converting RGB (Red, Green, Blue) to HSI (Hue, Saturation, Intensity).