Klasifikasi Tingkat Kematangan Nanas Berdasarkan Citra Warna dengan Metode SVM 348 380
DOI:
https://doi.org/10.26623/transformatika.v23i2.13235Keywords:
Mesin Vektor Pendukung, Klasifikasi Nanas, Pengolahan Citra, Analisis Komponen Utama (PCA), Kemangan BuahAbstract
Penentuan kematangan nanas manual bersifat subjektif dan tidak konsisten. Penelitian ini bertujuan membangun sistem klasifikasi nanas (Matang, SetengahMatang, Mentah) yang objektif menggunakan Support Vector Machine (SVM) berbasis citra warna. Metode ini menggunakan 2044 citra augmentasi. Fitur warna mentah (30.000 fitur) diekstraksi dan direduksi menggunakan Principal Component Analysis (PCA) menjadi 51 komponen untuk mengatasi overfitting. Model SVM (RBF) dioptimalkan dengan GridSearchCV. Hasilnya, model SVM (RBF Tuned) terpilih mencapai akurasi 81.78% pada data uji, secara signifikan mengungguli KNN (75.79%). Model ini mencapai "Good Fit" dengan selisih overfit rendah (11.04%). Kesimpulannya, kombinasi SVM dan PCA valid dan efektif.
Downloads
References
[1] W. O. Mardiana, N. A., & Windari, G-Tech : Jurnal Teknologi Terapan, G-Tech J. Teknol. Terap., vol. 8, no. 1, pp. 186–195, 2024.
[2] Y. Reswan, R. Toyib, H. Witriyono, and A. Anggraini, Klasifikasi Tingkat Kematangan Buah Nanas Berdasarkan Fitur Warna Menggunakan Metode K-Nearest Neighbor (KNN), J. Media Infotama, vol. 20, no. 1, pp. 280–287, 2024.
[3] J. G. M. Sanu, Identifikasi Kematangan Buah Nanas Menggunakan Citra Digital Dengan Metode K-Nearest Neighbor (K-Nn) Dan Support Vector Machine (Svm), HOAQ (High Educ. Organ. Arch. Qual. J. Teknol. Inf., vol. 16, no. 1, pp. 35–48, 2025, doi: 10.52972/hoaq.vol16no1.p35-48.
[4] B. Maulana Alfaruq, D. Erwanto, and I. Yanuartanti, Klasifikasi Kematangan Buah Tomat Dengan Metode Support Vector Machine, Gener. J., vol. 7, no. 3, pp. 64–72, 2023, doi: 10.29407/gj.v7i3.21092.
[5] Mualfah, D. Rivaldi, H. Al Amin, and J. Sunanto, KLASIFIKASI BUAH JERUK LEMON BERDASARKAN TINGKAT KEMATANGAN MENGGUNAKAN METODE SVM DAN NAIVEBAYES, vol. 5, no. 2, pp. 114–121, 2025.
[6] M. Fajar, M. B. Sulthan, and I. Wahyudi, Klasifikasi Tingkat Kematangan Buah Tomat Menggunakan Fitur Rgb Dan Hsi Berbasis Backpropagation, J. Apl. Teknol. Inf. dan Manaj., vol. 4, no. 1, pp. 84–95, 2023, doi: 10.31102/jatim.v4i1.2177.
[7] A. Paliling, M. Muchtar, and F. Fardian, Sistem Cerdas Deteksi Kematangan Buah Naga Berbasis HSV-KNN, e-Jurnal JUSITI (Jurnal Sist. Inf. dan Teknol. Informasi), vol. 14, no. 1, pp. 46–55, 2025, doi: 10.36774/jusiti.v14i1.1718.
[8] A. Dwi Rizkika, A. Yudo Husodo, and R. Dwiyansaputra, IMPLEMENTASI METODE CONVOLUTIONAL NEURAL NETWORK DALAM KLASIFIKASI TAHAPAN KEMATANGAN BUAH MANGGIS (Implementation Of Convolutional Neural Network Method In Classification Of Maturity Stages Of Mangosteen Fruit), Universitas Mataram, 2024.
[9] M. Muchtar and R. A. Muchtar, PERBANDINGAN METODE KNN DAN SVM DALAM KLASIFIKASI KEMATANGAN BUAH MANGGA BERDASARKAN CITRA HSV DAN FITUR STATISTIK, JITET (Jurnal Inform. dan Tek. Elektro Ter., vol. 12, no. 2, pp. 876–884, 2024.
[10] A. Wulandari, R. Heriansyah, and L. W. Astuti, Implementasi Algoritma K-nearest Neighbor dan Principal Component Analysis untuk Klasifikasi Tingkat Kematangan Ceri Kopi Robusta Berdasarkan Warna, J. Komputer, Inf. dan Teknol., vol. 3, no. 2, pp. 1–9, 2024.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Zulkhan Arbi Toyibun Abdillah, Adi Prihandono
This work is licensed under a Creative Commons Attribution 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant 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 acknowledgement 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 acknowledgement 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.
Transformatika is licensed under a Creative Commons Attribution 4.0 International License.
