JIP (Jurnal Informatika Polinema) ISSN: 2614-6371 E-ISSN: 2407-070X Halaman | 63 EKSTRAKSI FITUR WARNA DAN GLCM PADA ALGORITMA KNN UNTUK KLASIFIKASI KEMATANGAN RAMBUTAN Heru Pramono Hadi 1 , Eko Hari Rachmawanto 2 1 Program Studi Sistem Informasi, Fakultas Ilmu Komputer, Universitas Dian Nuswantoro 1 Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Dian Nuswantoro 1 heru.pramono.hadi@dsn.dinus.ac.id, 2 eko.hari@dsn.dinus.ac.id Abstrak Nephelium lappaceum adalah nama latin buah yang lebih dikenal dengan rambutan. Rambutan ternyata mengandung banyak vitamin (vitamin c, magnesium, serat makanan, dll) yang dapat menyembuhkan beberapa penyakit seperti diabetes, hipertensi, dll. Namun karena rendahnya pengetahuan dikalangan masyarakat membuat penjual rambutan mengalami kerugian, karena mereka cenderung menyamaratakan mutu buah. Rendahnya penerapan klasifikasi dikarenakan proses klasifikasi yang dilakukan secara manual dengan menggunakan indra penglihatan. Hal ini menyebabkan akurasi yang rendah, karena indra penglihatan tidak mampu dijadikan tolak ukur tingkat kematangan buah. Maka penelitian ini menerapkan teknologi pengolah citra digital yang menggunakan metode ekstraksi fitur warna RGB, ekstraksi fitur tekstur GLCM dan menerapkan algoritma K- Nearest Neighbor untuk proses klasifikasi. Penelitian ini menghasilkan 4 tingkat kematangan buah yaitu mentah, setengah matang, matang dan busuk. Akurasi tertinggi dihasilkan oleh K=1 sebesar 98,75% dan akuasi terendah dihasilkan oleh K=7 dan 9 sebesar 92,5%. Berdasarkan hasil ekperimen, dapat disimpulkan bahwa semakin besar nilai K maka semakin rendah tingkat akurasi yang dihasilkan, karena pada proses klasifikasi tetangga (data latih dan data uji) yang dibandingkan tergantung pada nilai K. Kata kunci : Klasifikasi citra, rambutan, KNN, GLCM, Mean RGB 1. Pendahuluan Nephelium lappaceum atau yang sering dikenal dengan buah rambutan merupakan tanaman asli dari Indonesia. Buah rambutan sendiri memiliki banyak jenis [1] contohnya rambutan binjai, rambutan rapiah, rambutan lebak, dan lain-lain. Rambutan lebak merupakan salah satu jenis rambutan yang mudah ditemukan di lingkungan masyarakat. Rambutan lebak mudah ditemukan karena memiliki ciri tertentu antara lain bentuk buah bulat, rambut buah rambutan panjang namun renggang dan halus, warna ujung rambutan kekuningan, dan rasa buah manis dan berair. Buah rambutan sendiri memiliki banyak manfaat yang tidak banyak orang ketahui. Contohnya buah rambutan mampu mengurangi kolesterol, hipertensi, diabetes dan banyak manfaat lainnya. Dalam buah rambutan terkandung banyak vitamin seperti vitamin c, zat besi, magnesium, fosfor, kalsium, protein, serat makanan, dan lain-lain. Namun, karena minimnya pengetahuan di kalangan masyarakat tentang kandungan yang terdapat dalam buah rambutan. Karena minimnya penerapan klasifikasi oleh penjual buah, menyebabkan adanya kerugian karena mereka menyamaratakan mutu buah. Untuk saat ini, proses klasifikasi dilakukan dengan manual dengan menggunakan indera penglihatan manusia, sehingga hasil akurasi nya kurang tepat dan cenderung rendah [2]–[4] Beberapa hal yang menyebabkan hasil tidak tepat ialah faktor usia yang dapat mengurasi fungsi penglihatan manusia, dan lain-lain. Sehingga indra penglihatan manusia titdak dapat dijadikan sebagai tolak ukur tingkat kematangan suatu buah [5], [6]. Maka dari itu, dibutuhkan teknologi yang mampu digunakan untuk klasifikasi kematangan buah. Dalam hal ini pengolah citra digital adalah teknologi yang tepat karena pengolahan citra digital melakukan proses pengambilan informasi dalam terdapat pada suatu citra [7]–[9]. Citra yang dimaksud ialah gambar/foto, sedangkan maksud dari digital yaitu pengolahan gambar/foto dilakukan secara digital dengan media komputer. Teknologi yang terdapat di pengolah citra digital mampu mengklasifikasi berdasarkan tekstur dan warna buah [3], [10]. Dalam menentukan ekstraksi ciri dilakukan untuk mendapatkan pola dari suatu citra, dengan melakukan perhitungan derajat keabuan dengan mengukur tingkat kontras, granularitas, kesamaan suatu nilai dari hubungan ketetanggaan anatar piksel dalam suatu citra dan lain-lain. Untuk metode yang digunakan untuk komparasi ekstraksi warna ialah RGB [11]–[13], sedangkan untuk ektraksi fitur tekstur menggunakan metode Gray Level Co- ocurrence Matrix (GLCM) [14]–[17]. Metode K-Nearest Neighbor (KNN) mampu mengklasifikasikan kematangan jeruk lemon dengan menggunakan ekstraksi fitur warna RGB, dan