Klasifikasi tingkat kematangan buah Tomat berbasis Pengolahan Citra Digital menggunakan metode k-Nearest Neighbors

Roni Denggan Pakpahan(1), Rizki Muliono(2),


(1) Universitas Medan Area
(2) Universitas Medan Area
DOI: https://doi.org/10.34007/incoding.v6i2.1269

Keywords


K-Nearest Neighbor; Tomato Ripeness Classification; Digital Image Processing; HSV; GLCM

Full Text:

PDF

References


Y. Mardianto, T. Dewi, and P. Risma, “Analisis Klasifikasi Kematangan Buah Tomat dengan Pendekatan Transfer Learning Model EfficientNet,” vol. 11, no. 1, pp. 20–25, 2024.

M. B. Sulthan, I. Wahyudi, and T. Informasi, “Klasifikasi Kematangan Buah Tomat Menggunankan Fitur RGB dan HSI Berbasis BACKPROPAGATION,” vol. 4, no. 1, pp. 84–95, 2023.

K. N. N. Untuk, K. Seleksi, and P. Beasiswa, “Implementasi Algoritma Klasifikasi K-Nearest Neighbor,” vol. 6, no. 2, pp. 118–127, 2021.

P. L. Jatika, J. Supriyanto, D. Alita, and A. R. Isnain, “Penerapan Algoritma K-Nearest Neighbor ( K-NN ) Untuk Analisis Sentimen Publik Terhadap Pembelajaran Daring,” vol. 4, pp. 74–80, 2023.

A. Ainun, D. Halim, and S. Anraeni, “Analisis Klasifikasi Dataset Citra Penyakit Pneumonia Menggunakan Metode K- Nearest Neighbor ( KNN ),” vol. 2, no. 1, pp. 1–12, 2021.




DOI: https://doi.org/10.34007/incoding.v6i2.1269

Article Metrics

Abstract view : 12 times
PDF - 2 times

Refbacks

  • There are currently no refbacks.


Copyright (c) 2026 INCODING: Journal of Informatics and Computer Science Engineering