Penerapan Metode K-Nearest Neighbor Dalam Identifikasi Jenis Ikan Salmon Yang Dapat Dikomsumsi Untuk Bahan Mpasi Bayi

Authors

  • Miftahul Jannah STMIK Pelita Nusantara
  • Adli Abdillah Nababan STMIK Pelita Nusantara
  • Yuwanda Sri Ningsi STMIK Pelita Nusantara

DOI:

https://doi.org/10.53513/jsk.v6i2.8716

Keywords:

Pengolahan Citra, Pengenalan Pola, Ikan Samon, KNN

Abstract

Ikan salmon merupakan salah satu bahan makanan MPASI bayi yang populer karena kandungan nutrisi yang cukup lengkap dan penting untuk perkembangan bayi. Ikan salmon mengandung asam lemak omega-3, protein, vitamin D, serta mineral seperti kalsium dan fosfor yang penting untuk pertumbuhan tulang dan gigi bayi. Ikan salmon terdiri dari dua jenis, yaitu ikan salmon liar  atau wild salmon dan ikan salmon budidaya atau farmed salmon, dimana wild salmon hidup dialam liar dan memakan plankton serta udang dan ikan kecil sehingga memiliki omega3 dan kandungan warna yang merah alami, selanjutnya jenis Farmed salmon, dimana salmon yang hidup dalam lingkungan budidaya dan pemberian makanan dengan pakan ikan sehingga daging ikan sedikit pucat, sehingga pada salmon farmed tak jarang diberikan pewarna merah buatan.  penelitian ini melakukan pendekatan teori pengolahan Citra Digital dalam menentukan jenis ikan salmon farm dan wild dengan teknik klasifikasi data gambar ikan salmon menggunakan metode KNN terhadap 30 data pengujian ikan salmon, Adapun akurasi yang didapatkan sebesar 100 %

References

D. Remaldhi, D. Wahiddin, and ..., “Identifikasi Kesegaran Ikan Nila Berdasarkan Warna Insang Menggunakan Algoritma K-Nearest Neighbor (K-NN),†… Student J. …, vol. II, no. 1, pp. 197–202, 2021, [Online]. Available: http://journal.ubpkarawang.ac.id/mahasiswa/index.php/ssj/article/download/247/175

M. A. A. Kurniawan, E. Ermatita, and N. Falih, “Pemanfaatan Pengolahan Citra dan Klasifikasi K-Nearest Neighbor pada Citra Telur Ayam,†Inform. J. Ilmu Komput., vol. 16, no. 3, p. 164, 2020, doi: 10.52958/iftk.v16i3.2131.

Subairi, Rahmadwati, and E. Yudaningtyas, “Implementasi Metode k-Nearest Neighbor pada Pengenalan Pola Tekstur Citra Saliva untuk Deteksi Ovulasi,†J. EECCIS, vol. 12, no. 1, pp. 9–14, 2018.

A. Salsabila, R. Yunita, and C. Rozikin, “Identifikasi Citra Jenis Bunga menggunakan Algoritma KNN dengan Ekstrasi Warna HSV dan Tekstur GLCM,†Technomedia J., vol. 6, no. 1, pp. 124–137, 2021, doi: 10.33050/tmj.v6i1.1667.

J. A. Widians, H. S. Pakpahan, E. Budiman, H. Haviluddin, and M. Soleha, “Klasifikasi Jenis Bawang Menggunakan Metode K-Nearest Neighbor Berdasarkan Ekstraksi Fitur Bentuk dan Tekstur,†J. Rekayasa Teknol. Inf., vol. 3, no. 2, p. 139, 2019, doi: 10.30872/jurti.v3i2.3213.

Garini, P. A., & Sutarno. (2017). Pengenalan Angka Arab Timur Tulisan Tangan Menggunakan Zone Centroid Zone ( ZCZ) dan Backpropagation. Prosiding Annual Research Seminar 2017 Computer Science and ICT, 3(1), 1–5.

Anggelin, A. F., Sanjaya, A., & Setiawan, A. B. (2018). riska Fitria Anggelina Pengenalan Pola Tulisan Huruf Jepang (Hiragana) Menggunakan Partisi Citra. Generation Journal, 2(1), 25. https://doi.org/10.29407/gj.v2i1.12057

Garini, P. A., & Sutarno. (2017). Pengenalan Angka Arab Timur Tulisan Tangan Menggunakan Zone Centroid Zone ( ZCZ ) dan Backpropagation. Prosiding Annual Research Seminar 2017 Computer Science and ICT, 3(1), 1–5.

Anggoro, K., Triyono, J., Raharjo, S., Informatika, S., & Industri, F. T. (2021). Jurnal SCRIPT Vol . 9 No . 1 Juni 2021 ISSN : 2338-6313 IMPLEMENTASI IOT SISTEM PEMANTAUAN DAN KENDALI PINTU Jurnal SCRIPT Vol . 9 No . 1 Juni 2021 ISSN : 2338-6313. 9(1), 32–43.

Semuel, N., & Pekuwali, A. A. (2022). Pattern Recognition of Doctor ’ s Prescription Handwriting Using the Naïve Bayes Classifier Method at Puskesmas Kambaniru Pengenalan Pola Tulisan Tangan Resep Dokter Menggunakan Metode Naïve Bayes Classifier pada Puskesmas Kambaniru. 2(April), 55–61.

Prihatiningsih, S., M, N. S., Andriani, F., & Nugraha, N. (2019). Analisa Performa Pengenalan Tulisan Tangan Angka Berdasarkan Jumlah Iterasi Menggunakan Metode Convolutional Neural Network. Jurnal Ilmiah Teknologi Dan Rekayasa, 24(1), 58–66. https://doi.org/10.35760/tr.2019.v24i1.1934

Riadi, I., Fadlil, A., & Annisa, P. (2020). Identifikasi Tulisan Tangan Huruf Katakana Jepang Dengan Metode Euclidean. J-SAKTI (Jurnal Sains Komputer Dan Informatika), 4(1), 29. https://doi.org/10.30645/j-sakti.v4i1.184

Universitas Diponegoro, S., Wiryasaputra, R., & Gustriansyah, R. (2018). Jurnal sistem informasi bisnis. JSINBIS (Jurnal Sistem Informasi Bisnis), 8(1), 57–67. https://ejournal.undip.ac.id/index.php/jsinbis/article/view/16239/pdf

Oktavia, V., & Wijaya, N. (2022). Pengenalan Tulisan Tangan Huruf Latin Bersambung Menggunakan Local Binary Pattern dan K-Nearest Neighbor. JISKA (Jurnal Informatika Sunan Kalijaga), 7(3), 211–225. https://doi.org/10.14421/jiska.2022.7.3.211-225

Yusuf, A. daud, Kurniawan, T. B., & Surya Negara, E. (2022). Pengenlan Angka Tulis Tangan Mengunakan Metode Backpropagation Studi Kasus Lembar C1 Pada Rekapitulasi Pemilihan Umum. Journal Locus Penelitian Dan Pengabdian, 1(03), 179–185. https://doi.org/10.36418/locus.v1i03.25

Syafie, L., & Indra, D. (2018). Jaringan Syaraf Tiruan. ILKOM Jurnal Ilmiah, 10(2), 201–206. http://jurnal.fikom.umi.ac.id/index.php/ILKOM/article/download/317/148

Sam’ani, & Qamaruzzaman, M. H. (2017). Pengenalan Huruf Dan Angka Tulisan Tangan Mengunakan Metode Convolution Neural Network ( CNN ). Journal Speed – Sentra Penelitian Engineering Dan Edukasi, 9(2), 55–64.

Downloads

Published

2023-07-22