KLASIFIKASI TINGKAT KEMATANGAN BUAH TOMAT DENGAN VARIASI MODEL WARNA MENGGUNAKAN SUPPORT VECTOR MACHINE
Keywords:
Support Vector Machine (SVM), Tomat, WarnaAbstract
Penelitian ini bertujuan untuk mendeteksi tingkat kematangan buah Tomat bedasarkan warna kulit buah. Pada penelitian ini menggunakan 108 Citra tomat, sebanyak 42 data testing dan 66 data training. Pada penelitian ini menggunakan tiga warna yang digunakan yaitu HSV, YcbCr, dan CIElab. Metode yang di gunakan dalam penelitian ini adalah metode Ekstraksi fitur mengubah warna dengan gambar RGB, dan Support Vector Machine sebagai proses pengambilan keputusan tingkat kematangan buah Tomat. Hasil akurasi yang diperoleh dalam penelitian ini adalah 77.84%. Sistem ini sangat membantu masyarakat dalam mendeteksi tingkat kematangan buah Tomat.
References
A. Halim, “Jl. Thamrin No. 122, 124, 140 Medan 20212 .() "-,” pp. 109–117.
I. Amal, M. Muhammad, and A. B. Kaswar, “Sistem Pendeteksi Kematangan Buah Tomat Berbasis Pengolahan Citra Digital Menggunakan Metode Jaringan Syaraf Tiruan | Ishak | Jurnal MediaTIK,” J. Mediat., vol. 5, no. 1, pp. 65–69, 2022, [Online]. Available: https://ojs.unm.ac.id/mediaTIK/article/view/33214/15753
Y. E. Yana and N. Nafi’iyah, “Klasifikasi Jenis Pisang Berdasarkan Fitur Warna, Tekstur, Bentuk Citra Menggunakan SVM dan KNN,” Res. J. Comput. Inf. Syst. Technol. Manag., vol. 4, no. 1, p. 28, 2021, doi: 10.25273/research.v4i1.6687.
S. F. Kusuma, R. E. Pawening, and R. Dijaya, “Otomatisasi klasifikasi kematangan buah mengkudu berdasarkan warna dan tekstur,” Regist. J. Ilm. Teknol. Sist. Inf., vol. 3, no. 1, pp. 17–23, 2017, doi: 10.26594/register.v3i1.576.
M. Arief, “Klasifikasi Kematangan Buah Jeruk Berdasarkan Fitur Warna Menggunakan Metode SVM,” J. Ilmu Komput. dan Desain Komun. Vis., vol. 4, no. 1, pp. 9–16, 2019.
D. Vernanda, N. N. Purnawan, and T. H. Apandi, “Analisis Data Untuk Klasifikasi Tingkat,” vol. 4, no. September, pp. 8–17, 2022, doi: 10.31962/jiitr.vvii.67.
T. P. PS, “Tomat Pembudidayaan Secara Komersial,” Tomat Pembudidayaan Secara Komersial, no. jakarta, pp. 1689–1699, 1994.
I. D. Ananto and Murinto, “APLIKASI PENGOLAHAN CITRA MENDETEKSI KUALITAS CABAI BERDASARKAN TINGKAT KEMATANGAN MENGGUNAKAN TRANSFORMASI WARNA YCbCr,” J. Sarj. Tek. Inform., vol. 3, no. 1, pp. 283–293, 2015.
A. A. Muhammad, A. Arkadia, S. NaufalRifqi, Trianto, and D. S. Prasvita, “Klasifikasi Tingkat Kematangan Buah Pisang Berdasarkan Fitur Warna dengan Metode SVM,” J. Ilmu Komput. dan Desain Komun. Vis., vol. 4, no. 1, pp. 9–16, 2019.
A. Prayoga, H. A. Tawakal, and R. Aldiansyah, “Pengembangan Metode Deteksi Tingkat Kematangan Buah Melon Berdasarkan Tekstur Kulit Buah Dengan Menggunakan Metode Ekstraksi Ciri Statistik Dan Support Vector Machine (Svm),” J. Teknol. Terpadu, vol. 4, no. 1, pp. 24–30, 2018, doi: 10.54914/jtt.v4i1.112.
N. Astrianda, “Klasifikasi Kematangan Buah Tomat Dengan Variasi Model Warna Menggunakan Support Vector Machine,” VOCATECH Vocat. Educ. Technol. J., vol. 1, no. 2, pp. 45–52, 2020, doi: 10.38038/vocatech.v1i2.27.
S. Y. Riska and P. Subekti, “Klasifikasi Level Kematangan Buah Tomat Berdasarkan Fitur Warna Menggunakan Multi-Svm,” J. Ilm. Inform., vol. 1, no. 1, pp. 39–45, 2016, doi: 10.35316/jimi.v1i1.442.
