Ekstraksi Fitur Giometris Untuk Klasifikasi Ikan Air Tawar Menggunakan KNN
DOI:
https://doi.org/10.29407/hvgtng25Abstract
Identifikasi varietas ikan secara manual sering kali terkendala oleh subjektivitas manusia dan durasi operasional yang lama. Penelitian ini bertujuan mengimplementasikan sistem klasifikasi morfologi ikan berbasis desktop dengan memanfaatkan algoritma K-Nearest Neighbor (KNN). Parameter penciri yang digunakan meliputi ekstraksi fitur geometris seperti luas, panjang, lebar, dan rasio aspek objek. Berdasarkan hasil pengujian terhadap tiga spesies ikan (Patin, Gurame, dan Bandeng), sistem mencapai performa optimal pada konfigurasi jumlah tetangga (K) sebesar 13 dengan metrik jarak Manhattan. Hasil evaluasi menunjukkan tingkat akurasi sebesar 81,95%, dengan nilai rata-rata precision, recall, dan f1-score yang konsisten di angka 0,82. Perangkat lunak berbasis desktop ini mampu menyediakan solusi praktis bagi sektor perikanan dalam melakukan otomatisasi pendataan jenis ikan secara lokal tanpa ketergantungan koneksi internet.
Keywords:
aplikasi dekstop, ektrasi geometris, ikan, k-nearest neighbors##plugins.themes.default.displayStats.downloads##
References
[1] A. Rahma, D. Sihombing, I. M. Herawati, N. H. Lubis, and W. Aprizal, “Jurnal Sistem dan
Teknologi Informasi Indonesia Klasifikasi Harga Ikan Koi Berdasarkan Jumlah Corak dan
Ukuran Menggunakan Algoritma K-Nearest Neighbor Classification of Koi Fish Price Based
on Number of Patterns and Size Using K- Nearest Neighbor Algorit,” vol. 10, no. 1, pp. 1–
8, 2025.
[2] and R. K. N. M. A. D. Akbar, A. B. Setiawan, “Klasifikasi Jenis Ikan Cupang Menggunakan
Metode GLCM Dan KNN Mohamad,” pp. 152–158, 2021.
[3] and I. F. T. Radillah, K. Ameliza, “Segmentasi Citra Menggunakan Metode Otsu dalam
Pengenalan Pola Sederhana Teuku,” Indones. J. Comput. Sci., vol. 12, no. 2, pp. 284–301,
2023, [Online]. Available:
http://ijcs.stmikindonesia.ac.id/ijcs/index.php/ijcs/article/view/3135
[4] M. R. Fauzi, R. A. Pratama, P. Laksono, and P. Eosina, “Penerapan Big Data Menggunakan
Algoritma Multi-Label K-Nearest Neighbor dalam Analisis Sentimen Konsumen UMKM
Sektor Kuliner,” Krea-TIF, vol. 9, no. 1, p. 9, 2021, doi: 10.32832/kreatif.v9i1.3587.
[5] N. Umar, F. Haikal, and M. Razak, “Citra Digital Untuk Klasifikasi Kualitas Udang Windu
Menggunakan Algoritma GLCM dan K-Nearest Neighbor,” J. Inform., vol. 9, no. 2, pp. 93–
102, 2022, doi: 10.31294/inf.v9i2.13686.
[6] H. Khamilah and M. Hardjianto, “Pengklasifikasian Kualitas Ikan Nila Berbasis Mata Ikan
Dengan Metode K- Nearest Neighbors ( K-Nn ) Classification of Nile Tilapia Quality Based
on Fish Eye Using the K-Nearest Neighbors ( K-Nn ) Method,” vol. 3, no. September, pp.
539–546, 2024.
[7] M. Jannah, A. A. Nababan, and Y. S. Ningsi, “Penerapan Metode K-Nearest Neighbor Dalam
Identifikasi Jenis Ikan Salmon Yang Dapat Dikomsumsi Untuk Bahan Mpasi Bayi,” JSISKO TECH (Jurnal Teknol. Sist. Inf. dan Sist. Komput. TGD), vol. 6, no. 2, p. 636, 2023,
doi: 10.53513/jsk.v6i2.8716.
[8] C. Y. Jerandu, P. Batarius, and A. A. J. Sinlae, “Identifikasi Kualitas Kesegaran Ikan
Menggunakan Algoritma K-Nearest Neighbor Berdasarkan Ekstraksi Ciri Warna Hue,
Saturation, dan Value (HSV),” Build. Informatics, Technol. Sci., vol. 4, no. 3, pp. 1536–1547,
2022, doi: 10.47065/bits.v4i3.2613.
[9] N. Abdurrahman, B. Rahmat, and A. N. Sihananto, “Perbandingan Performa Klasifikasi
Citra Ikan Menggunakan Metode K-Nearest Neighbor (K-NN) Dan Convolutional Neural
Network (CNN),” J. Sist. Inf. dan Inform., vol. 2, no. 2, pp. 84–93, 2023, doi:
10.33379/jusifor.v2i2.3728.
[10] I. E. Hasym and I. Susilawati, “Konvergensi Teknologi dan Sistem Informasi Klasifikasi
Jenis Ikan Cupang Menggunakan Algoritma Principal Component Analysis (PCA) Dan KNearest Neighbors (KNN),” KONSTELASI Konvergensi Teknol. dan Sist. Inf., pp. 168–179,
2021.
Downloads
Published
Issue
Section
License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
