Vol. 8 No. 2 (2025): May 2025
Artikel

KLASIFIKASI CITRA DALAM IDENTIFIKASI KOL DAN WORTEL MENGGUNAKAN ALGORITMA LDA DAN KNN

PDF
  • Ali Nurdiansyah,
  • Hadrian Erlanda,
  • Syafril Syafril,
  • Yesi Betriana Roza,
  • Rini Sovia
Ali Nurdiansyah
Universitas Putra Indonesia YPTK Padang
Hadrian Erlanda
Universitas Putra Indonesia YPTK Padang
Syafril Syafril
Universitas Putra Indonesia YPTK Padang
Yesi Betriana Roza
Universitas Putra Indonesia YPTK Padang
Rini Sovia
Universitas Putra Indonesia YPTK Padang

Published 2025-05-21

How to Cite

KLASIFIKASI CITRA DALAM IDENTIFIKASI KOL DAN WORTEL MENGGUNAKAN ALGORITMA LDA DAN KNN. (2025). JOURNAL OF SCIENCE AND SOCIAL RESEARCH, 8(2), 1895-1902. https://doi.org/10.54314/jssr.v8i2.2894

Abstract

Abstract: Agriculture is an important sector in the Indonesian economy, where vegetables such as cabbage (Brassica oleracea var. capitata) and carrots (Daucus carota subsp. sativus) play a significant role in meeting the nutritional needs of the community. With the increasing demand for fresh vegetable products, it is important to ensure accurate and efficient identification of these types of vegetables. Mistakes in identification can result in economic losses and affect the quality of products reaching consumers. Image processing technology and machine learning algorithms offer promising solutions to this problem. Image classification, which involves visual analysis of vegetable images, can be used to identify species based on features extracted from the image. Based on these problems, researchers are interested in conducting research on image classification of 2 types of vegetables, namely cabbage and carrots using the KNN and LDA algorithms. From this system, the accuracy results of the classification of green cabbage, purple cabbage and carrots using the KNN and LDA methods were 92.8571%. This research is expected to provide new insights into the use of modern technology to support the preservation and utilization of vegetable types and sustainability.

 

Keyword: Hybrid Intelligence System; Vegetable Classification; Image Processing; LDA; KNN

Abstrak: Pertanian merupakan sektor penting dalam perekonomian Indonesia, di mana sayuran seperti kubis (Brassica oleracea var. capitata) dan wortel (Daucus carota subsp. sativus) memiliki peran signifikan dalam memenuhi kebutuhan gizi masyarakat. Dengan meningkatnya permintaan akan produk sayuran segar, penting untuk memastikan identifikasi yang akurat dan efisien terhadap jenis-jenis sayuran ini. Kesalahan dalam identifikasi dapat mengakibatkan kerugian ekonomi dan mempengaruhi kualitas produk yang sampai ke konsumen. Teknologi pemrosesan citra dan algoritma pembelajaran mesin menawarkan solusi yang menjanjikan untuk masalah ini. Klasifikasi citra, yang melibatkan analisis visual dari gambar sayuran, dapat digunakan untuk mengidentifikasi spesies berdasarkan fitur-fitur yang diekstraksi dari citra tersebut. Berdasarkan permasalahan tersebut maka peneliti tertarik untuk melakukan penelitian mengenai klasifikasi citra 2 jenis sayuran yaitu kol dan wortel menggunakan algoritma KNN dan LDA. Dari sistem tersebut didapatkan hasil akurasi dari klasifikasi jenis sayur kol hijau, kol ungu dan wortel menggunakan metode KNN dan LDA sebesar 92.8571 %. Penelitian ini diharapkan dapat memberikan wawasan baru dalam penggunaan teknologi modern untuk mendukung pelestarian dan pemanfaatan jenis sayur dan berkelanjutan.

 

Kata kunci: Hybrid Intelligence System; Klasifikasi Sayur; Pengolahan Citra; LDA; KNN

PDF

Downloads

Download data is not yet available.

References

  1. Aminah, S. T., Ghani, D., Intan, I., & Salman, N. (2022). Discriminant Analysis Skin Disease Pattern Recognition Application Using Linear Discriminant Analysis Algorithm. Cogito Smart Journal |, 8(1), 587194.
  2. Fuad Mahrus Fathoni. (2024). Klasifikasi Penyakit Daun Tomat Menggunakan Algoritma K-NN Berdasarkan Ekstraksi Fitur GLCM dan LBP. Jurnal Teknik Informatika Dan Teknologi Informasi, 4(1), 39–50. https://doi.org/10.55606/jutiti.v4i1.3417
  3. Nurhusni, S. A., Adam, R. I., & Carudin, C. (2021). Klasifikasi Kadar Kolesterol Menggunakan Ekstraksi Ciri Moment Invariant dan Algoritma K-Nearest Neighbor (KNN). Journal of Applied Informatics and Computing, 5(2), 169–175. https://doi.org/10.30871/jaic.v5i2.3273
  4. Penelitian, J., Komputer, I., Whidhiasih, R. N., Wahanani, N. A., Tenaga, B., Nasional, N., & Belimbing, K. (2013). Klasifikasi Buah Belimbing Berdasarkan Citra Red-Green-Blue Menggunakan Knn Dan Lda. PIKSEL (Penelitian Ilmu Komputer Sistem Embedded Dan Logic), 1(1), 29–35.
  5. Ramdani, M. H., Pasek, G., Wijaya, S., & Dwiyansaputra, R. (2022). Optimalisasi Pengenalan Wajah Berbasis Linear Discriminant Analysis dan K-Nearsert Neighbor Menggunakan Particle Swarm Optimization (Optimization Of Face Recognition Based On Linear Discriminant Analysis and K-Nearest Neighbor Using Particle Swarm Optimiz. 4(1), 40–51. http://jtika.if.unram.ac.id/index.php/JTIKA/
  6. 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
  7. Roviqoh, V., Dan, H., & Lukman, S. (2023). Klasifikasi Citra Daun Menggunakan Metode Jaringan Syaraf Tiruan Backpropagation Berbasis Matlab. Seminar Nasional Teknologi Informasi Dan Komunikasi STI&K (SeNTIK), 7(1).
  8. Saintika, Y., Wijayanto, A., & WIguna, C. (2018). Perancangan Sistem Informasi Klasifikasi Wortel Berbasis Pengolahan Citra Digital. JRST (Jurnal Riset Sains Dan Teknologi), 2(2), 63. https://doi.org/10.30595/jrst.v2i2.3201