DETEKSI TINGKAT KEMATANGAN BUAH PISANG GAPI MENGGUNAKAN METODE K-NEAREST NEIGHBOR (KNN) DAN GRAY LEVEL CO-OCCURRENCE MATRIX (GLCM)
Tanggal Upload: 03/06/2025
Penulis / NIM:
FADLUN GONTA / T3116343
Program Studi:
S1 Teknik Informatika
Kata Kunci:
deteksi, buah pisang, GLCM
Abstrak:
Buah pisang Gapi adalah buah yang tumbuh di indonesia dengan jumlah yang sangat banyak, yang kaya akan vitamin, mineral dan karbohidrat. Untuk itu buah pisang sangat diminati dan dikonsumsi oleh masyarakat. Setiap buah memiliki ciri untuk dapat ditentukan jenis dan kematangannya, misalkan saja ukuran dan warnanya. Akan tetapi saat ini penentuan klasifikasi tersebut digunakan petani masih secara manual. Salah satu permasalahannya adalah penentuan buah pisang pascapanen. Dengan demikian dibutuhkan alat bantu yang dapat mengidentifikasi tingkat kematangan buah pisang secara tepat. Salah satunya dengan menggunakan metode Gray Level Co-occurrence Matrix (GLCM). Tujuan dari penelitian ini untuk memperoleh sistem prediksi yang handal dan efektif dalam proses penentuan tingkat kematangan buah pisang yang baik sehingga dapat di implementasikan. Berdasarkan hasil uji system pendeteksian ini mendapatkan hasil 80%. Dengan demikian penerapan metode Gray Level Co-occurrence Matrix (GLCM)ini layak untuk digunakan.