Penerapan Algoritma K-Nearest Neighbor (KNN) Untuk Klasifikasi Kualitas Dedak Pada Pakan Ternak

Berdasarkan hasil input data yang telah dilakukan dengan jumlah data sempel (kualitas bagus) berjumlah 10
data, data sempel (kualitas tidak bagus) berjumlah 13 data dan data uji berjumlah 18 data, klasifikasi sudah bisa dijalankan. Hasil penelitian penerapan algoritma knn
untuk klasifikasi kualitas dedak dengan menggunakan algoritma K-Nearest Neighbors (KNN) dan algoritma Gray Level Co-occurrence Matrix (GLCM) dengan menginput gambar yang sudah ada dan didapatkan dari mengubah citra dedak dengan mengekstraksi ciri dengan model warna hue, saturation, values (HSV) dan diklasifikasi menggunakan algoritma K-Nearest Neighbor (KNN) untuk dapat mengetahui apakah dedak tersebut berkualitas bagus atau tidak bagus.