Klasifikasi Tingkat Kematangan Buah Salak Sidempuan Menggunakan K-Nearest Neighbor pada Ruang Warna HSV
DOI:
https://doi.org/10.55123/insologi.v4i4.6298Keywords:
Salak Sidempuan, Ripeness Classification, Digital Image Processing, HSV, K-Nearest NeighborAbstract
Determining the ripeness level of Salak Sidempuan fruit manually is often inaccurate, as it relies on human visual perception, which can be affected by lighting conditions, eye fatigue, and subjective judgment. Such limitations may reduce sorting quality and the market value of the fruit. This study proposes an automated ripeness classification system for Salak Sidempuan based on digital image processing using the K-Nearest Neighbor (K-NN) algorithm combined with the Hue Saturation Value (HSV) color model. The dataset consists of images of Salak Sidempuan at three ripeness stages (unripe, half-ripe, and ripe) captured using a smartphone camera. The process involves preprocessing, converting RGB images to HSV, extracting the average H, S, and V values, and classifying them using K-NN with Euclidean distance and K=5. The aim of this research is to design and implement a MATLAB-based application capable of classifying the ripeness level of Salak Sidempuan fruit quickly, accurately, and consistently. The evaluation was conducted on 15 test images to measure system performance using accuracy, precision, recall, and F1-score metrics. The experimental results show that the system achieved an accuracy of 80%, with high precision and recall values for the unripe and ripe classes. The Hue component proved to be the most stable parameter for distinguishing ripeness levels compared to Saturation and Value. This system is considered effective in supporting the objective sorting process of Salak Sidempuan and has the potential for further development into field-deployable solutions such as Android or IoT-based applications.
Downloads
References
Arifin, A., & Sari, N. (2021). Sistem Identifikasi Buah Berdasarkan Warna Menggunakan Ekstraksi HSV dan K-NN. Jurnal Teknologi dan Informatika, 10(1), 88–94.
Fadhilah, I., & Ramadhan, D. (2023). Deteksi Kematangan Buah Naga Menggunakan Analisis Warna dan Metode K-NN. Jurnal Sains dan Informatika, 12(2), 132–139.
Fahrul, A., Yulia, R., & Katsum, B. R. (2020). Analisis Mutu dari Produk Sirup Salak Sidempuan Quality Analysis Product of Salak Sidempuan Syrup. Jurnal TEKSAGRO e-ISSN, 2723, 6528.
Handayani, F., & Basri, M. (2022). Penerapan Metode K-Nearest Neighbor untuk Klasifikasi Warna Buah Jeruk. Jurnal Sistem Informasi dan Komputerisasi Akuntansi (JUSIKA), 4(4), 113–119.
Hayati, N. (2023). Klasifikasi Jenis Bunga Mawar Menggunakan Algoritma K-Nearest Neighbour. Jurnal Informatika dan Riset, 1(1), 31-37.
Hidayat, M., & Nurhayati, S. (2021). Implementasi K-NN pada Sistem Pengenalan Warna Buah Apel Menggunakan Citra RGB dan HSV. Jurnal Sistem Informasi dan Komputer Terapan Indonesia (JSIKTI), 3(2), 45–50.
Indriyanto, J. (2021). Algoritma K-Nearest Neighbor untuk prediksi nasabah asuransi. Penerbit NEM.
Muhammad, D. I., Ermatita, E., & Falih, N. (2021). Penggunaan K-Nearest Neighbor (KNN) untuk Mengklasifikasi Citra Belimbing Berdasarkan Fitur Warna. Informatik: Jurnal Ilmu Komputer, 17(1), 9-16.
Pramudiya, R., Asyraq, C., Kadafi, A., & Sardika, R. P. (2024). Analisis Gambar Menggunakan Metode Grayscale Dan Hsv (Hue, Saturation, Value). Just IT: Jurnal Sistem Informasi, Teknologi Informasi dan Komputer, 174-180.
Putra, P. H., Novelan, M. S., & Rizki, M. (2022). Analysis k-nearest neighbor method in classification of vegetable quality based on color. J. Appl. Eng. Technol. Sci, 3(2), 126-132.
Razka, M. H., Wiratomo, D. S., Prasvita, D. S., Komp, S., & Kom, M. (2021). Klasifikasi Tingkat Kematangan Buah Apel Berdasarkan Fitur Warna Menggunakan Algoritma K-Nearest Neighbor dan Ekstraksi Warna HSV. In Prosiding Seminar Nasional Mahasiswa Bidang Ilmu Komputer dan Aplikasinya (Vol. 2, No. 2, pp. 176-182).
Rizky, A., & Supriyadi. (2020). Analisis Citra Digital dalam Penentuan Kematangan Buah Menggunakan HSV dan K-NN. Jurnal Rekayasa Teknologi dan Sistem Komputer, 8(1), 78–84.
Safithri, M., Ritonga, A. P. D., Indariani, S., & Dwicesaria, M. A. (2024). Kandungan Nutrisi dan Daya Inhibisi α-glukosidase Ekstrak Daging Buah Salak Sidempuan (Salacca sumatrana). Current Biochemistry, 11(1), 1-13.
Saputra, J., Sa'adati, Y., Ardhana, V. Y. P., & Afriansyah, M. (2023). Klasifikasi Kematangan Buah Alpukat Mentega Menggunakan Metode K-Nearest Neighbor Berdasarkan Warna Kulit Buah. Resolusi: Rekayasa Teknik Informatika dan Informasi, 3(5), 347-354.
Siregar, B., & Fadli, A. (2022). Identifikasi Kematangan Buah Salak Sidempuan Berdasarkan Karakteristik Warna Menggunakan CNN. Jurnal Teknologi dan Komputer, 10(2), 61–69.
Siswanto, I., Utami, E., Raharjo, S., & Yogyakarta, A. (2020). Klasifikasi tingkat kematangan buah berdasarkan warna dan tekstur menggunakan metode k-nearest neighbor dan nearest mena classifier. Inspiration: Jurnal Teknologi Informasi dan Komunikasi, 10(1), 93-101.
Sudipa, I. G. I., Azdy, R. A., Arfiani, I., & Setiohardjo, N. M. (2024). Leveraging k-nearest neighbors for enhanced fruit classification and quality assessment. Indonesian Journal of Data and Science, 5(1), 30-36.
Utami, Rina, dkk. (2020). Klasifikasi Citra Digital Buah Mangga Menggunakan Metode K-NN. Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), 7(1), 15–21.
Wibowo, Arif, dan Fitriani, E. (2021). Penerapan Ekstraksi Warna HSV pada Identifikasi Kematangan Buah Tomat. Jurnal Teknologi dan Sistem Komputer, 9(4), 321–327.
Yana, Y. E., & Nafi’iyah, N. (2021). Klasifikasi Kematangan Pisang Berdasarkan Fitur Warna, Tekstur, Bentuk Citra Menggunakan SVM dan KNN. Res. J. Comput. Inf. Syst. Technol. Manag, 4(1), 28.
Yuliana, D., & Hadi, S. (2022). Pengolahan Citra Digital untuk Klasifikasi Kematangan Buah Pisang. Jurnal Ilmiah Informatika, 5(3), 99–105.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Hamdi Aulia Ramadhan, Sriani Sriani
This work is licensed under a Creative Commons Attribution 4.0 International License.
Hak cipta pada setiap artikel adalah milik penulis.
Penulis mengakui bahwa INSOLOGI (Jurnal Sains dan Teknologi) sebagai publisher yang mempublikasikan pertama kali dengan lisensi Creative Commons Attribution 4.0 International License.
Penulis dapat memasukan tulisan secara terpisah, mengatur distribusi non-ekskulif dari naskah yang telah terbit di jurnal ini kedalam versi yang lain, seperti: dikirim ke respository institusi penulis, publikasi kedalam buku, dan lain-lain. Dengan mengakui bahwa naskah telah terbit pertama kali pada INSOLOGI (Jurnal Sains dan Teknologi).
