Klasifikasi Mutu Buah Delima (Punica granatum) Berbasis Histogram Warna dan Random Forest pada Kondisi Pencahayaan Tidak Terstruktur

Otomatisasi sortasi pasca-panen komoditas delima (Punica granatum) menghadapi tantangan signifikan terkait variabilitas kondisi citra, khususnya perbedaan karakteristik antara data latih yang berupa tumpukan buah dan data uji yang berupa buah tunggal. Metode konvensional berbasis rata-rata warna global (Global Mean Color) terbukti tidak efektif karena sensitif terhadap bayangan dan variasi latar belakang. Penelitian ini mengusulkan pendekatan klasifikasi mutu yang robust dengan mengintegrasikan teknik Region of Interest (ROI) berbasis Center Cropping dan ekstraksi fitur Histogram Warna. Distribusi warna diekstraksi dari ruang warna RGB, HSV, dan LAB, kemudian diklasifikasikan menggunakan algoritma Random Forest. Validasi tambahan menggunakan metode Nearest Neighbor diterapkan untuk memverifikasi keputusan model melalui pencarian kemiripan visual (visual similarity). Hasil eksperimen menunjukkan bahwa pendekatan berbasis histogram mampu menangkap pola kerusakan buah yang tidak homogen secara lebih akurat dibandingkan metode statistik orde pertama, dengan akurasi validasi mencapai 91,68%.