SISTEM KLASIFIKASI KESIAPAN PANEN TANAMAN SELADA HIDROPONIK MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR (KNN) BERBASIS RASPBERRY PI 4

Amelia, Erlita (2026) SISTEM KLASIFIKASI KESIAPAN PANEN TANAMAN SELADA HIDROPONIK MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR (KNN) BERBASIS RASPBERRY PI 4. Diploma thesis, Politeknik Negeri Sriwijaya.

	Text (COVER) COVER.pdf - Published Version Download (450kB)
	Text (ABSTRAK) ABSTRAK.pdf - Published Version Download (9kB)
	Text (BAB I PENDAHULUAN) BAB I.pdf - Published Version Restricted to Repository staff only Download (88kB) | Request a copy
	Text (BAB II TINJAUAN PUSTAKA) BAB II.pdf - Published Version Restricted to Repository staff only Download (365kB) | Request a copy
	Text (BAB III RANCANG BANGUN) BAB III.pdf - Published Version Restricted to Repository staff only Download (376kB) | Request a copy
	Text (BAB IV PEMBAHASAN) BAB IV.pdf - Published Version Download (339kB)
	Text (BAB V KESIMPULAN DAN SARAN) BAB V.pdf - Published Version Restricted to Repository staff only Download (8kB) | Request a copy
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA.pdf - Published Version Restricted to Repository staff only Download (124kB) | Request a copy
	Text (LAMPIRAN) LAMPIRAN.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Penentuan kesiapan panen tanaman selada hidroponik umumnya masih dilakukan secara manual berdasarkan pengamatan visual terhadap kondisi tanaman. Metode tersebut berpotensi menimbulkan subjektivitas sehingga hasil penilaian dapat berbeda antara satu pengamat dengan pengamat lainnya. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem klasifikasi kesiapan panen tanaman selada hidroponik menggunakan algoritma K-Nearest Neighbor (KNN) berbasis Raspberry Pi 4. Sistem memanfaatkan webcam sebagai perangkat akuisisi citra untuk memperoleh gambar tanaman yang kemudian diproses menggunakan metode HSV (Hue, Saturation, Value) guna memperoleh karakteristik warna daun. Selain fitur warna, sistem juga menggunakan parameter panjang daun, lebar daun, dan masa tanam sebagai data masukan dalam proses klasifikasi. Dataset yang digunakan berjumlah 250 data yang terdiri dari 200 data latih dan 50 data uji dengan metode pembagian data hold-out 80:20. Proses klasifikasi dilakukan menggunakan algoritma K-Nearest Neighbor (KNN) dengan nilai K = 5. Hasil pengujian menunjukkan bahwa sistem mampu mengklasifikasikan kesiapan panen tanaman selada hidroponik ke dalam kategori siap panen dan belum siap panen dengan tingkat akurasi sebesar 94%. Hasil tersebut menunjukkan bahwa kombinasi parameter warna daun, ukuran tanaman.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Selada Hidroponik, Klasifikasi Kesiapan Panen, Raspberry Pi 4, K-Nearest Neighbor (KNN), HSV, Pengolahan Citra Digital
Subjects:	T Technology > T Technology (General)
Divisions:	Computer Engineering > Undergraduate Theses
Depositing User:	Pustaka Teknik Komputer
Date Deposited:	07 Sep 2026 02:39
Last Modified:	07 Sep 2026 02:39
URI:	http://eprints.polsri.ac.id/id/eprint/26343

Actions (login required)

View Item