ANALISIS KLASIFIKASI KANDUNGAN SERAT TINGGI DAN RENDAH PADA BUAH DAN SAYUR MENGGUNAKAN KNN

Abstrak

Konsumsi buah dan sayur salah satu komponen penting dalam diet sehat, namun masyarakat sering kekurangan informasi tentang kandungan nutrisi spesifik seperti serat pangan. Klasifikasi buah dan sayur berdasarkan kandungan serat menjadi penting untuk membantu konsumen membuat pilihan makanan yang tepat sesuai kebutuhan nutrisi mereka. Permasalahannya, identifikasi kandungan serat secara akurat tanpa analisis laboratorium yang mahal masih menjadi kendala. Penelitian ini menganalisis kandungan serat tinggi dan rendah pada citra buah dan sayur menggunakan metode K-Nearest Neighbor (KNN) dengan membandingkan tiga pendekatan ekstraksi fitur: Grey Level Co-occurrence Matrix (GLCM), transformasi wavelet, dan kombinasi keduanya. Hasil pengujian menunjukkan bahwa kombinasi gabungan fitur GLCM dan Wavelet mampu mencapai akurasi sebesar 83,61% dengan nilai k=14, sedangkan fitur wavelet mencapai akurasi sebesar 81,67% dengan nilai k=14, dan fitur GLCM mencapai akurasi sebesar 74,17% dengan nilai k=5. Temuan ini menunjukkan bahwa fitur kombinasi gabungan GLCM dan wavelet lebih unggul dalam mengidentifikasi karakteristik visual objek dalam sistem klasifikasi citra berbasis machine learning. Implementasi sistem klasifikasi otomatis ini dapat membantu masyarakat memperoleh informasi akurat tentang kandungan serat dalam buah dan sayur, mendukung pola makan sehat, dan berkontribusi pada upaya pencegahan penyakit terkait diet.

Identifier

• DOI: https://doi.org/10.29100/jipi.v11i2.7888
• OpenAlex: https://openalex.org/W7166439914