Penggunaan Bahasa Pemrograman Python Dalam Menentukan RGB Pada Buah Apel Dengan Algoritma K-Nearest Neighbor (K-NN)

Abstract

Buah sangat penting bagi kesehatan manusia, dan apel adalah salah satu buah yang sangat disukai oleh masyarakat Indonesia. Oleh karena itu, penyediaan apel berkualitas baik sangat diperlukan agar memberikan manfaat bagi kesehatan. Dalam penelitian ini, digunakan metode K-NN yang dianggap efisien untuk melatih data dengan cepat pada data pelatihan dan pengujian yang berjumlah besar. Penelitian dimulai dengan pengumpulan dataset dari https://www.kaggle.com/, dilanjutkan dengan proses pra-pemrosesan, kemudian memisahkan data menjadi data pelatihan dan pengujian dengan proporsi 25% untuk pengujian dan 75% untuk pelatihan. Setelah itu, metode K-NN diterapkan untuk mengklasifikasikan data berdasarkan kriteria yang sudah ditentukan, menghasilkan evaluasi kinerja K-NN yang nilainya dihitung menggunakan pemrograman Python. Selama implementasi data mining dalam Bahasa pemrograman Python, digunakan library yang tersedia untuk mempermudah proses penerapan machine learning. Dari analisis confusion matrix, terdapat 441 data yang diprediksi benar, dan 440 data diprediksi salah. Selain itu, terdapat 54 dan 65 data yang diperkirakan tidak tepat dari 1000 data pengujian. Sehingga, nilai akurasi dengan metode K-NN diperoleh sebesar 0.88 atau 88%. Ini menunjukkan bahwa metode K-NN mampu bekerja dengan baik, cepat, dan efisien dalam melatih jumlah data yang besar.