Penerapan Algoritma K-Nearest Neighbors dalam Klasifikasi Kendaraan Berdasarkan Gambar: Studi Kasus pada Sistem Pengenalan Kendaraan Otomatis

Abstrak

Penelitian ini mengkaji penerapan algoritma K-Nearest Neighbors (KNN) dalam klasifikasi kendaraan berdasarkan gambar. Tujuan utama penelitian ini adalah untuk membangun model klasifikasi yang dapat membedakan jenis kendaraan, yaitu mobil dan motor, menggunakan gambar sebagai input. Gambar kendaraan diekstraksi menjadi vektor fitur numerik melalui teknik ekstraksi berbasis intensitas piksel. Metodologi yang digunakan meliputi pembagian dataset menjadi data latih dan uji dengan proporsi 70% dan 30%, serta penerapan KNN dengan parameter k=3. Evaluasi model dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil eksperimen menunjukkan bahwa model KNN dapat mengklasifikasikan kendaraan dengan akurasi 100%, dengan nilai precision, recall, dan F1-score yang sempurna untuk kedua kategori kendaraan, mobil dan motor. Penelitian ini menyimpulkan bahwa KNN adalah metode yang efektif dan efisien dalam klasifikasi berbasis citra. Serta dapat diterapkan pada sistem pengenalan objek yang lebih luas, seperti pengawasan lalu lintas dan sistem parkir otomatis.