Klasifikasi Mutu Buah Anggur (Vitis vinifera) Berbasis Fitur Warna RGB-HSV Menggunakan Algoritma Machine Learning

Penelitian ini bertujuan untuk mengembangkan sistem otomatisasi klasifikasi kualitas buah anggur menjadi dua kategori utama: Fresh (Segar/Good) dan Rotten (Busuk/Bad). Metode inspeksi manual yang subjektif sering kali tidak konsisten dalam membedakan degradasi warna pada tahap awal pembusukan. Sistem yang diusulkan mengintegrasikan pengolahan citra digital dengan ekstraksi fitur warna dalam ruang warna RGB (Red, Green, Blue) dan HSV (Hue, Saturation, Value). Dataset penelitian terdiri dari 1.546 citra digital buah anggur segar dan busuk. Dua algoritma supervised learning, yaitu K-Nearest Neighbors (KNN) dan Support Vector Machine (SVM), dievaluasi kinerjanya menggunakan metode Grid Search Cross-Validation. Hasil eksperimen menunjukkan bahwa algoritma SVM memiliki kinerja superior dibandingkan KNN, mencapai akurasi 94.18%. Tingginya nilai F1-Score (0.94) pada kedua kelas menunjukkan bahwa model mampu mengidentifikasi kualitas anggur dengan presisi tinggi dan minim kesalahan.