Klasifikasi Buah Kelapa Muda, Kelapa Tua, dan Buah Naga Menggunakan Pendekatan Hybrid PCA-KNN

Abstract

 Abstract: This study discusses the classification method of young coconuts, old coconuts, and dragon fruits using a hybrid Principal Component Analysis (PCA) and K-Nearest Neighbors (KNN) approach. This approach aims to improve the accuracy and efficiency of fruit classification based on visual and texture features. The research data were taken from fruit images processed using PCA for dimension reduction, followed by the KNN algorithm for classification. The test results showed that the combination of PCA and KNN was able to provide high accuracy, with an average accuracy value reaching 96%. Keyword: fruit classification, PCA, KNN, image processing.Abstrak: Penelitian ini membahas metode klasifikasi buah kelapa muda, kelapa tua, dan buah naga menggunakan pendekatan hybrid Principal Component Analysis (PCA) dan K-Nearest Neighbors (KNN). Pendekatan ini bertujuan untuk meningkatkan akurasi dan efisiensi dalam klasifikasi buah berdasarkan fitur visual dan tekstur. Data penelitian diambil dari citra buah yang diproses menggunakan PCA untuk reduksi dimensi, dilanjutkan dengan algoritma KNN untuk klasifikasi. Hasil pengujian menunjukkan bahwa kombinasi PCA dan KNN mampu memberikan akurasi tinggi, dengan nilai rata-rata akurasi mencapai 96%. Kata kunci: klasifikasi buah, PCA, KNN, pengolahan citra.