Perbandingan Algoritma Logistic Regression dan K-Nearest Neighbor Dalam Klasifikasi Kematangan Buah Pepaya

Penentuan kematangan buah pepaya secara visual sering kali tidak konsisten dan kurang akurat. Untuk mengatasi hal ini, penelitian menggunakan algoritma Logistic Regression dan K-Nearest Neighbor (K-NN) dalam klasifikasi otomatis berbasis pemrosesan citra digital. Dataset awal berisi 300 gambar yang kemudian diperbesar melalui preprocessing dan augmentasi menjadi 1.200 gambar. Fitur diekstraksi menggunakan Gray Level Co-occurrence Matrix (GLCM), kemudian data dibagi menjadi 80% untuk pelatihan dan 20% untuk pengujian. Tujuan penelitian adalah membandingkan performa kedua algoritma dan memahami cara klasifikasi masing-masing. Hasilnya, K-NN dengan k=1 mencapai akurasi 87%, sedangkan Logistic Regression dengan regulasi L2 memperoleh 73%, menunjukkan K-NN lebih unggul dalam mengklasifikasikan tingkat kematangan pepaya.

Kata Kunci: Klasifikasi kematangan buah, GLCM, Logistic Regression, K-Nearest Neighbor.