Penerapan Metode K-Nearest Neighbors dan Support Vector Machine Berbasis Fitur Warna untuk Klasifikasi Kualitas Citra Mentimun (Cucumis sativus L.)

Mentimun (Cucumis sativus L.) merupakan komoditas hortikultura yang memiliki nilai ekonomi tinggi namun mudah mengalami penurunan kualitas pascapanen. Proses penyortiran kualitas mentimun secara manual seringkali bersifat subjektif, lambat, dan rentan terhadap kelelahan manusia. Penelitian ini bertujuan untuk membangun sistem klasifikasi otomatis kualitas mentimun (Segar/Good dan Busuk/Bad) menggunakan pengolahan citra digital. Metode ekstraksi fitur yang digunakan adalah kombinasi ruang warna RGB (Red, Green, Blue) dan HSV (Hue, Saturation, Value) untuk mendapatkan karakteristik warna yang representatif. Dua algoritma machine learning, yaitu K-Nearest Neighbors (KNN) dan Support Vector Machine (SVM), dibandingkan kinerjanya untuk menentukan model terbaik. Berdasarkan pengujian terhadap 840 citra data latih menggunakan validasi silang, algoritma SVM menunjukkan performa yang lebih unggul dibandingkan KNN, dengan tingkat akurasi mencapai 89.29%. Sistem ini diharapkan dapat membantu proses quality control industri pertanian menjadi lebih efisien dan objektif.