Ringkasan dari dokumen tersebut adalah: 1. Dokumen tersebut membahas analisis kinerja algoritma K-Nearest Neighbor untuk klasifikasi citra sayuran wortel berdasarkan kualitasnya. 2. Metode ini mampu mengklasifikasi wortel yang bagus dan busuk dengan tingkat akurasi 86% dan 98% bergantung pada parameter yang digunakan. 3. Parameter KNN dan fitur seperti GLCM dan BNN mempengaruhi akurasi klasifikasi kualitas wort

1. Seminar Hasil
ANALISIS KINERJA ALGORITMA K-NEAREST NEIGHBOAR
PADA KLASIFIKASI CITRA SAYURAN WORTEL
ASSALAMU’ALAIKUM WARAHMATULLAHI WABARAKATU
FADHILAH
20162205136

2. YANG TERHORMAT,
Dr. Dra. Rohayati, M.Si.
Pembimbing I
Syaharullah Disa, S.Kom., M.T.
Pembimbing II
Penguji
Arafah, S.Kom., M.T. Andryanto.A, S.Kom., M.Kom. Amran Amiruddin, S.Si., M.Pd.

3. Latar Belakang
Wortel digolongkan sebagai tanaman semusim karena hanya berproduksi
satu kali dan kemudian mati. Tanaman wortel berumur pendek yaitu berkisar
antara 70-120 hari, tergantung pada varietasnya. Pada tahun 2018 wortel
mengalami penurunan hasil panen dikarenakan beberapa faktor-faktor yang
mempengaruhi panen wortel tersebut. Faktor ini diakibatkan karena hama
dan serangga tanah yang merusak umbi wortel pada saat belum masa panen
wortel. Salah satu faktor yang membuat kondisi ini dikarenakan adanya
wortel kurang bagus di jual di pasar yang mempengaruhi hal tersebut, karna
pembusukan wortel yang kurang diketahui, hal itu juga yang membuat wortel
yang mengalami pembusukan terdapat kandungan racun yang berbahaya
bagi tubuh

4. Rumusan masalah
 Bagaimana cara klasifikasi sayuran wortel dengan kualitas baik menggunakan
Algoritma K-Nearest Neighbor?
 Bagaimana menganalisis mendapatkan tingkat akurasi menggunakan
Algoritma K-Nearest Neghbor dalam mengklasifikasian citra sayuran wortel?

5. Kerangka Pikir

6. PEMBAHASAN APLIKASI!!!

7. KESIMPULAN I
Parameter pengelompokan citra menggunakan metode K-Nearest Neighboar
yang dapat ditentukan dengan proses pendekatan kualitas citra pada dataset
untuk menentukan tingkatan mutu pada sampel data citra. Sayuran wortel dalam
pengujian yang lakukan untuk mengklasifikasi kualitas wortel yang bagus dan
busuk dengan menggunakan metode K-Nearest Nighboar dalam
mengelompokan kualitas sayuran wortel tersebut. Dalam mensimulasikan metode
KNN untuk melakukan pembacaan citra dibutuhkan metode pembacaan tekstur
dan jaringan saraf tiruan untuk membuat pembaan citra pada metode KNN lebih
baik dengan menggunakan metode metode Backpropagation Neural Network
dan metode Gray Level Co-Occurance Matrix (GLCM).

8. KESIMPULAN II
Akurasi didapatkan dengan mengkasifikasikan kualitas sayuran wortel dengan
membagi 2 kelas wortel yaitu bagus memiliki jumlah 7 citra dan wortel busuk 7 citra.
Pengujian pada citra di data uji memiliki tingkat akurasi 86% sebagai hasil yang di
dapat dalam pengujian akurasi pada sayuran wortel. Dalam penelitian ini, dengan
metode klasifikasi k-Nearest Neighbor (k-NN) dengan parameter k = 1 berdasarkan
simulasi epoch dan iteration pada fitur GLCM dan BNN mampu menghasilkan nilai
akurasi tertinggi yaitu sebesar 98,00% dibanding dengan lainnya. Hasil rasio prediksi
benar positif dengan menggunakan parameter metode KNN yang tidak
menggunakan fitur GLCM dan BNN dibandingkan dengan keseluruhan data yang
benar positif ditunjukkan dengan recall sebesar 74,00%. dari hasil analisis metode
tersebut.

9. TERIMA KASIH
ATAS PERHATIANNYA