PENERAPAN HYBRID INTELIGENTS SYSTEM UNTUK KLASIFIKASI BUAH ANGGUR DAN PEPAYA MENGGUNAKAN ALGORITMA PCA DAN KNN

Afriadi Afriadi, Agung Ramadhanu

Abstract


Abstract: This study utilizes a hybrid intelligence system for classifying grape and papaya fruits, combining the Principal Component Analysis (PCA) and K-Nearest Neighbor (KNN) algorithms. PCA is employed to reduce data dimensions by extracting key features from fruit images, while KNN performs classification based on the reduced feature set. The dataset consists of images of grapes and papayas captured under various lighting conditions. Experimental results indicate that this hybrid approach achieves 90% accuracy in fruit classification, improves computational efficiency, and enhances classification performance compared to using KNN without feature selection. This system demonstrates great potential for image-based fruit classification and can be implemented to support agricultural product processing technologies.

 

Keywords: Hybrid Intelligence System; Grape and Papaya Classification; PCA; KNN.

Abstrak: Penelitian ini menerapkan hybrid intelligence system untuk klasifikasi buah anggur dan pepaya menggunakan algoritma Principal Component Analysis (PCA) dan K-Nearest Neighbor (KNN). Algoritma PCA digunakan untuk mereduksi dimensi data dengan mengekstraksi fitur-fitur utama dari citra buah, sedangkan KNN digunakan untuk melakukan klasifikasi berdasarkan fitur yang telah direduksi. Dataset yang digunakan berupa gambar buah anggur dan pepaya dalam berbagai kondisi pencahayaan. Hasil eksperimen menunjukkan bahwa pendekatan hybrid ini mampu meningkatkan akurasi klasifikasi dan mengurangi waktu komputasi dibandingkan penggunaan KNN tanpa seleksi fitur. Sistem ini menunjukkan akurasi 90% dalam pengelompokan buah berbasis citra dan dapat diimplementasikan untuk mendukung teknologi pengolahan hasil pertanian.

 

Kata kunci: Hybrid Intelligence system; Klasifikasi Buah; PCA; KNN.

 


Full Text:

PDF

References


Afnania Yusditiani, Hijazzi Lutfiah Izyul Adha, Meysa Fadlun Rubiyyati, Shella Masrofah, & Arif Rahman. (2021). Implementasi Pendidikan Multikultural Di Sekolah. PESHUM : Jurnal Pendidikan, Sosial Dan Humaniora, 1(1), 30–37. https://doi.org/10.56799/peshum.v1i1.10

Angga Marcelio, C., Adlan Azzikra, M., Putra Mufazzal, D., Rahman Illahi, A., Al Husain, S., & Abdiansyah. (2024). Aplikasi Analisis Wajah, Klasifikasi Gender dan Prediksi Usia Menggunakan Deep Learning pada Dataset Citra Wajah Manusia. Jurnal Media Infotama, 20(1), 378–383.

Arnolus Juantri E. Oktavianus, Lamhot Naibaho, & Djoys Anneke Rantung. (2023). Pemanfaatan Artificial Intelligence pada Pembelajaran dan Asesmen di Era Digitalisasi. Jurnal Kridatama Sains Dan Teknologi, 05(2), 473–476.

Bhargava, A., & Bansal, A. (2021). Fruits and vegetables quality evaluation using computer vision: A review. In Journal of King Saud University - Computer and Information Sciences (Vol. 33, Issue 3, pp. 243–257). King Saud bin Abdulaziz University. https://doi.org/10.1016/j.jksuci.2018.06.002

Data, H. S.-J. D., & 2024, U. (2024). Penerapan Algoritma Principal Component Analysis Dalam Reduksi Dimensi Data. Ilmuteknik.Org, 1(5), 1–16. http://www.ilmuteknik.org/index.php/duniadata/article/view/96

Krismawan, A. D., & Rachmawanto, E. H. (2022). Principal Component Analysis (PCA) dan K-Nearest Neighbor (KNN) dalam Deteksi Masker pada Wajah. Prosiding Sains Nasional Dan Teknologi, 12(1), 382. https://doi.org/10.36499/psnst.v12i1.7066

Manullang, S., Kairani, N., Sinaga, M. S., & Hutapea, B. (2024). ANALISIS FAKTOR PENYEBAB PENYAKIT JANTUNG MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS ( PCA ) masyarakat . Penyakit jantung juga merupakan masalah kesehatan yang kritis karena terikat , melainkan mencari saling ketergantungan antar variabel untuk meng. 5(3).

Naufal Hilmi, A., Yulia Puspaningrum, E., Endah Wahanani, H., Rungkut Madya No, J., Anyar, G., Gn Anyar, K., & Timur, J. (2024). Implementasi Algoritma K-Nearest Neighbor (KNN) untuk Identifikasi Penyakit pada Tanaman Jeruk Berdasarkan Citra Daun. 2, 107–117. https://doi.org/10.62951/router.v2i2.78

Priana, A. J. (2024). Implementasi Metode Value Matching untuk Pengenalan Kepulauan Indonesia Menggunakan Manhattan Distance. Remik: Riset Dan E-Jurnal Manajemen Informatika Komputer, 8(April), 566–572.

Raysyah, S. R., Veri Arinal, & Dadang Iskandar Mulyana. (2021). Klasifikasi Tingkat Kematangan Buah Kopi Berdasarkan Deteksi Warna Menggunakan Metode Knn Dan Pca. JSiI (Jurnal Sistem Informasi), 8(2), 88–95. https://doi.org/10.30656/jsii.v8i2.3638

Saputro, W., & Sumantri, D. B. (2022). Implementasi Citra Digital Dalam Klasifikasi Jenis Buah Anggur Dengan Algoritma K-Nearest Neighbors (KNN) Dan Data Augmentasi. INTECOMS: Journal of Information Technology and Computer Science, 5(2), 248–253.

Sutrisna, N. P., Sahirah, R. A., Laksono, K. S. S., Permadhi, R. A. S., Nurannisa, N., Larasati, S. S., Asmani, W. W., & Yudistira, N. (2024). Deteksi Tingkat Kematangan Buah Pepaya menggunakan Model Convolutional Neural Network. Jurnal Teknologi Informasi Dan Ilmu Komputer, 11(3), 569–578. https://doi.org/10.25126/jtiik.938119

Syarif, A., & Ramadhanu, A. (2024). BERDASARKAN BENTUK WARNA MENGGUNAKAN METODE K-NEAREST NEIGHBO. 4307(4), 1578–1583.

Winahyu, R. K. K., & Saputro, V. A. (2023). Implementasi Algoritma Principal Component Analysis (Pca) Dan K-Nearest Neighbor (Knn) Untuk Memprediksi Kelayakan Kredit Pengguna Smartphone Di Indonesia Pada Masa Pandemi Covid-19. Jurnal Darma Agung, 31(3), 1. https://doi.org/10.46930/ojsuda.v31i3.3207

Zaidah, F. (2025). Implementasi Metode K-Nearest Neighbor Dalam Menentukan Klasifikasi Strata Posyandu Di Kabupaten Brebes. 5(1).




DOI: https://doi.org/10.54314/jssr.v8i1.2749

Article Metrics

Abstract view : 52 times
PDF - 28 times

Copyright (c) 2025 JOURNAL OF SCIENCE AND SOCIAL RESEARCH