Penerapan Pengolahan Citra Digital Untuk Klasifikasi Rasa Jeruk Berastagi Berdasarkan Warna Dan Tekstur Dengan Metode Klasifikasi SVM

Mei Lammi Malau, Siti Wulandari, Dedy Kiswanto

Abstract


Jeruk Berastagi merupakan salah satu komoditas buah unggulan Indonesia dengan permintaan tinggi di pasar lokal maupun internasional. Untuk memastikan kualitas jeruk, terutama terkait rasa dan tingkat kematangan, dibutuhkan metode yang akurat dan objektif. Klasifikasi rasa jeruk secara manual seringkali bersifat subjektif dan membutuhkan keahlian khusus, sehingga kurang efisien. Penelitian ini bertujuan untuk mengembangkan metode berbasis pengolahan citra digital guna mengotomasi klasifikasi rasa jeruk Berastagi menjadi tiga kategori utama: asam, hambar, dan manis. Metode yang diusulkan terdiri atas lima tahap utama, yaitu akuisisi citra, pra-pemrosesan, penghapusan latar belakang, ekstraksi fitur warna (HSV) dan tekstur (GLCM), serta klasifikasi menggunakan Support Vector Machine (SVM). Hasil pengujian menunjukkan bahwa metode ini mampu mencapai akurasi pengujian sebesar 96,67% dan rata-rata akurasi validasi silang sebesar 93,33%. Confusion matrix menunjukkan bahwa sebagian besar sampel berhasil diklasifikasikan dengan benar, dengan hanya satu hingga dua kesalahan klasifikasi pada kategori manis. Nilai presisi, recall, dan f1-score rata-rata sebesar 0,97 mengindikasikan bahwa fitur gabungan HSV dan GLCM efektif dalam merepresentasikan karakteristik rasa jeruk. Berdasarkan hasil analisis dan pengujian, metode ini terbukti efektif dan efisien dalam mengotomasi proses klasifikasi rasa jeruk Berastagi menjadi asam, hambar, dan manis. 

Full Text:

PDF

References


Agrowisata Perkebunan Jeruk Diberastagi Dengan Penerapan Arsitektur Ekologi Author, K., Gabriela Alamanda, A., & Imam Faisal Pane, dan. (2022). TALENTA Conference Series: Energy & Engineering. doi: 10.32734/ee.v5i1.1463

Ainani Shabrina Febrianti, T. A. S. dan A. F. B. (2020). Klasifikasi Tumor Otak pada Citra MagneticResonance Image dengan Menggunakan MetodeSupport Vector Machine.

Amrozi, Y., Yuliati, D., Susilo, A., Novianto, N., & Ramadhan, R. (2022). Klasifikasi Jenis Buah Pisang Berdasarkan Citra Warna dengan Metode SVM. Jurnal Sisfokom (Sistem Informasi Dan Komputer), 11(3), 394–399. doi: 10.32736/sisfokom.v11i3.1502

Fadhlul Barkah, M., Rekayasa, J., Komputer, S., Mipa, F., Tanjungpura, U., Prof, J., Hadari, H., & Pontianak, N. (2020). Coding: Jurnal Komputer dan Aplikasi KLASIFIKASI RASA BUAH JERUK PONTIANAK BERDASARKAN WARNA KULIT BUAH JERUK MENGGUNAKAN METODE K-NEAREST NEIGHBOR (Vol. 08, Issue 01).

Ismail, Nurhikma Arifin, & Prihastinur. (2023). Klasifikasi Kematangan Buah Naga Berdasarkan Fitur Warna Menggunakan Algoritma Multi-Class Support Vector Machine. Jurnal Informatika Teknologi Dan Sains, 5(1), 121–126. doi: 10.51401/jinteks.v5i1.2203

Jenis, K., Berdasarkan, P., Warna, F., Citra, B., Svm, M., Knn, D., Yana, Y. E., & Nafi’, N. (2021). Classification of Banana Types Based on Color, Texture, Image Shape Features Using SVM and KNN. In Research : Journal of Computer (Vol. 4, Issue 1).

Kurniadi, B. W., Prasetyo, H., Ahmad, G. L., Aditya Wibisono, B., & Sandya Prasvita, D. (2021). Analisis Perbandingan Algoritma SVM dan CNN untuk Klasifikasi Buah. In Seminar Nasional Mahasiswa Ilmu Komputer dan Aplikasinya (SENAMIKA) Jakarta-Indonesia.

Lapendy, J. C., Aulia, A., Resky, C., Makmur, H., Baso, A., Andayani, D. D., & Adiba, F. (2024). Klasifikasi rasa jeruk siam berdasarkan warna dan tekstur berbasis pengolahan citra digital. 9(2), 756–767.

Lapendy, J. C., Resky, A. A. C., Makmur, H., Kaswar, A. B., Andayani, D. D., & Adiba, F. (2024). KLASIFIKASI RASA JERUK SIAM BERDASARKAN WARNA DAN TEKSTUR BERBASIS PENGOLAHAN CITRA DIGITAL. JIPI (Jurnal Ilmiah Penelitian Dan Pembelajaran Informatika), 9(2), 756–767. doi: 10.29100/jipi.v9i2.5384

Naufal Hilmi, A., Yulia Puspaningrum, E., Endah Wahanani, H., Rungkut Madya No, J., Anyar, G., Gn Anyar, K., & Timur, J. (2024). Implementasi Algoritma K-Nearest Neighbor (KNN) untuk Identifikasi Penyakit pada Tanaman Jeruk Berdasarkan Citra Daun. 2, 107–117. Retrieved from https://doi.org/10.62951/router.v2i2.78

Nurul, A., Santoso, P., Candra, R., & Santi, N. (2023). Metode Naive Bayes Mendeteksi Penyakit Citrus Vein Phloem Degeneration. 8, 126–141. Retrieved from https://tunasbangsa.ac.id/ejurnal/index.php/jurasik

Paoza, E., & Cholil, S. R. (2024). ANALISIS UI/UX UNTUK PERANCANGAN WEBSITE E-FASILITAS RUMAH TANGGA UNIVERSITAS SEMARANG MENGGUNAKAN PENDEKATAN USER CENTRED DESIGN. JIPI (Jurnal Ilmiah Penelitian Dan Pembelajaran Informatika), 9(3), 1212–1224. doi: 10.29100/jipi.v9i3.5289

Rusman, J., & Pasae, N. (2023). Prototype Sistem Penyortir Buah Kopi Arabika Berdasarkan Tingkat Kematangan Menggunakan Metode Support Vector Machine. Teknika, 12(1), 65–72. doi: 10.34148/teknika.v12i1.602

Sandi, K., & Abdullah. (2021). SISTEM PREDIKSI RASA BUAH JERUK MENGGUNAKAN METODE k-NEAREST NEIGHBOR. METHODIKA: Jurnal Teknik Informatika Dan Sistem Informasi, 7(2), 7–13. doi: 10.46880/mtk.v7i2.457

Saputra, J., Sa’adati, Y., Ardhana, V. Y. P., & Afriansyah, M. (2023). RESOLUSI : Rekayasa Teknik Informatika dan Informasi Klasifikasi Kematangan Buah Alpukat Mentega Menggunakan Metode K-Nearest Neighbor Berdasarkan Warna Kulit Buah. Media Online, 3(5), 347–354. Retrieved from https://djournals.com/resolusi

Siwilopo, K. P., & Marcos, H. (2023). MEMBANDINGKAN KLASIFIKASI PADA BUAH JERUK MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK DAN K-NEAREST NEIGHBOR. KOMPUTA : Jurnal Ilmiah Komputer Dan Informatika, 12(1).

Swasono, D. I., Wijaya, M. A. R., & Hidayat, M. A. (2023). Klasifikasi Penyakit pada Citra Buah Jeruk Menggunakan Convolutional Neural Networks (CNN) dengan Arsitektur Alexnet. INFORMAL: Informatics Journal, 8(1), 68. doi: 10.19184/isj.v8i1.38563

Wahyusari, R., & Nuralimah, S. (2023). Klasifikasi Penyakit Jeruk Menggunakan Ekstraksi Fitur Co-Occurence Matrix (GLCM) dan Algoritma Neural Network (NN). Prosiding SENDIKO (Seminar Nasional Hasil Penelitian & Pengabdian Masyarakat Bidang Ilmu Komputer), 2, 90–96.

Wardani, L. A., Pasek, G., Wijaya, S., & Bimantoro, F. (n.d.). KLASIFIKASI JENIS DAN TINGKAT KEMATANGAN BUAH PEPAYA BERDASARKAN FITUR WARNA, TEKSTUR DAN BENTUK MENGGUNAKAN SUPPORT VECTOR MACHINE (Classification of Types and Levels of Ripeness of Papaya Fruit Based on Color, Texture and Shape Features Using Support Vector Machine). Retrieved from http://jtika.if.unram.ac.id/index.php/JTIKA/

Yohannes, M. R. P. and L. C. (2020). Klasifikasi Jenis Buah dan Sayuran Menggunakan SVM Dengan Fitur Saliency-HOG dan Color Moments.




DOI: https://doi.org/10.23960/%25x

Refbacks

  • There are currently no refbacks.


Jurnal Pendidikan Teknologi Informasi dan Vokasional

Diterbitkan oleh:

PROGRAM STUDI PENDIDIKAN TEKNOLOGI INFORMASI
FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS LAMPUNG

 

Jl. Prof. Dr. Sumantri Brojonegoro No.1Kota Bandar Lampung
Homepage: http://pti.fkip.unila.ac.id
email: pti@fkip.unila.ac.id