Perbandingan Kinerja Algoritma Knn Dan Svm Dalam Klasifikasi Kematangan Buah Jeruk Medan Berdasarkan Citra Digital
Year: 2026
Type: article
Abstract: Sebagai komoditas unggulan daerah dengan nilai jual menjanjikan, proses pengelompokan tingkat matang Jeruk Medan masih didominasi oleh teknik visual manual. Hal ini kerap memicu inkonsistensi data serta memerlukan durasi pengerjaan yang lama akibat faktor subjektivitas personil. Penelitian ini bertujuan untuk membandingkan kinerja dua algoritma machine learning, yaitu KNN dan SVM, dalam mengklasifikasikan tingkat kematangan buah Jeruk Medan berbasis citra digital. Dataset yang digunakan merupakan dataset primer yang dikumpulkan langsung dari petani Jeruk Medan dalam kondisi lapangan. Tahapan penelitian meliputi akuisisi citra, pra-pemrosesan, ekstraksi fitur warna berbasis HSV dan tekstur berbasis GLCM, serta klasifikasi tingkat kematangan ke dalam tiga kelas, yaitu mentah, setengah matang, dan matang. Kinerja kedua algoritma dievaluasi menggunakan metrik akurasi, presisi, dan recall. Hasil penelitian menunjukkan bahwa algoritma KNN memiliki performa yang lebih unggul dibandingkan SVM, dengan tingkat akurasi sebesar 96,25%, sedangkan SVM menghasilkan akurasi sebesar 91,25%. Hasil ini menunjukkan bahwa KNN efektif dan lebih sesuai untuk diterapkan pada sistem otomatisasi klasifikasi tingkat kematangan buah Jeruk Medan berbasis citra digital.
Institution: IPB University
Language: Indonesian
Topic: Smart Agriculture and AI
Subfield: Plant Science
Domain: Life Sciences
SDG: Zero hunger
Open Access status: diamond
OpenAlex ID: W7127099490
