Klasifikasi Tingkat Kematangan Nanas Berdasarkan Citra Warna dengan Metode SVM
Abstract
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.
Fields of Study & Subjects
Smart Agriculture and AI
Spectroscopy and Chemometric Analyses
Data Mining and Machine Learning Applications
Publication details
- Journal / source
- Jurnal Transformatika
- Volume
- 23
- Issue
- 2
- Pages
- 183–192
- Publication date
- 14 January 2026
- Language
- ID