Deteksi Tingkat Kemanisan Buah Melon melalui Ekstraksi Fitur Local Binary Pattern dengan Klasifikasi K-NN berbasis Raspberry Pi 4

Abstrak

Indonesia adalah negara dengan iklim subtropis dan pandai menanam buah dan sayuran serta hasil tanaman lainnya. Berbagai varian tersedia dengan mudah, salah satunya adalah Sky Rocket Melon. Melon ini berbentuk bulat dan warnanya hijau atau kuning. Untuk menilai manisnya buah melon, perlu dilakukan pemisahan daging buah dan rasa rasa buah melon. Saat membeli melon, pembeli tidak bisa memilih melon dengan benar karena tidak bisa langsung mengetahui tingkat kemanisannya. Dari permasalahan tersebut, dibentuklah sebuah penelitian untuk mengetahui tingkat kemanisan buah melon secara akurat dengan membaca tekstur kulitnya. Kelebihan dari penelitian ini adalah tidak perlu membelah dan mencicipi buah melon terlebih dahulu untuk mengetahui rasa manisnya, tetapi hanya menggunakan citra tekstur kulit buah melon. Penelitian ini menggunakan metode Local Binary Pattern untuk melakukan perhitungan ekstraksi ciri, P=8,16,32 adalah jumlah tetangga yang akan dibandingkan, dan R=1,2,4 adalah radius tengah atau nilai piksel jarak yang berdekatan. Hasil ekstraksi ciri diinput ke dalam algoritma K-Nearest Neighbor atau K-NN, dan diklasifikasikan ke dalam salah satu dari tiga kategori (rendah, rata-rata, tinggi) dengan nilai K=3, K=5, dan K= 7. Pengujian menggunakan hingga 360 gambar data pelatihan, hingga 90 gambar data pengujian, dan alat uji menggunakan 15 melon sebagai citra. Hasil uji P dan R algoritma Local Binary Pattern dan nilai K pada K-NN memberikan tingkat akurasi tertinggi sebesar 91,11%. Dengan menggunakan nilai P=8, nilai R=1, dan nilai K=3. Pengujian sistem perangkat keras menggunakan Raspberry Pi 4, dengan hasil tingkat akurasinya adalah 80% dan waktu perhitungan rata-rata adalah 0,22084 detik.